DFlash: Block-Diffusion-Draft-Modell erreicht bis zu 15-fachen Durchsatz
Originaltitel:DFlash Speculative Decoding Drafts Whole Token Blocks in Parallel for Up to 15x Higher Throughput on NVIDIA Blackwell
KI-Zusammenfassung
DFlash wurde vom Team der UC San Diego vorgestellt und ist ein leichtgewichtiges Block-Diffusion-Draft-Modell für spekulatives Decoding. Es erzeugt in einem Vorwärtsdurchlauf einen ganzen Token-Block, der anschließend vom Zielmodell parallel verifiziert wird, sodass die Ausgabe verlustfrei bleibt. Im Vergleich zu EAGLE-3 erzielt DFlash bis zu 2,5-fache Beschleunigung und auf verschiedenen Modellen wie Qwen3-8B im Durchschnitt über 6-fache verlustfreie Beschleunigung (6,08× auf MATH-500). Auf NVIDIA Blackwell (TensorRT-LLM) steigt der Durchsatz des Modells gpt-oss-120b um bis zu das 15-Fache, etwa das 1,5-Fache von EAGLE-3. Die zentrale Innovation besteht darin, verborgene Merkmale mehrerer Schichten des Zielmodells in die Key-Value-Projektion jeder Schicht des Draft-Modells einzuspeisen, sodass die Akzeptanzlänge mit der Tiefe des Drafts wächst.
Kernpunkte
- DFlash wurde vom Team der UC San Diego vorgestellt und ist ein leichtgewichtiges…
- Es erzeugt in einem Vorwärtsdurchlauf einen ganzen Token-Block,der anschließend vom Zielmodell…
- Im Vergleich zu EAGLE-3 erzielt DFlash bis zu 2,5-fache Beschleunigung und auf verschiedenen…
- Auf NVIDIA Blackwell (TensorRT-LLM) steigt der Durchsatz des Modells gpt-oss-120b um bis zu das…
- Die zentrale Innovation besteht darin,verborgene Merkmale mehrerer Schichten des Zielmodells in…
Auf einen Blick
- Veröffentlicht
- Aktualisiert
- Quelle
- MarkTechPost(RSS)
- Kategorie
- Papers & Forschung
- KI-Bewertung
- 74
DFlash把扩散模型引入推测解码草案阶段,一次并行生成整块token,单流加速最高6倍,NVIDIA实测吞吐量提升15倍,推理成本下降幅度很大,部署大模型的团队可以立刻关注。
Verwandte Entitäten
Quelle & Urheberrecht
Dieser Artikel basiert auf kuratierten Titeln und KI-Zusammenfassungen der öffentlichen AIHOT-API, mit Quellenangabe und Rückverlinkung. Das Urheberrecht am Original liegt bei den ursprünglichen Medien und Autoren; diese Seite spiegelt keine Volltexte.
Zitierhinweis
Beim Zitieren dieses Artikels bitte Titel, Datum und Permalink beibehalten und Orange News als Quelle angeben.
Orange News: DFlash: Block-Diffusion-Draft-Modell erreicht bis zu 15-fachen Durchsatz. 24. Juni 2026. https://new.nat6.net/de/news/cmqrrgnay0n08slp5phvdk394/