Спекулятивный декодинг для быстрого инференса на устройствах
Ну что ж, вот и наш первый релиз на архив.
we achieve a 4.37-fold speedup over autoregressive decoding, and outperform a highly optimized DFlash baseline by 24.7%
Это спекулятивный декодинг. SOTA(ну на qwen3.6 точно). Бьем все, что есть известного в паблике (ну dflash). Супер важная тема для быстрого инференса на устройстве, особенно когда понимаешь задачу.
Поддержка в нашем инференс движке скоро доедет
Подписывайтесь на Telegram ChillHouse.