DFlash : un modèle de brouillon par diffusion de blocs jusqu'à 15 fois plus rapide
Titre original:DFlash Speculative Decoding Drafts Whole Token Blocks in Parallel for Up to 15x Higher Throughput on NVIDIA Blackwell
Résumé IA
Proposé par l'équipe de l'UC San Diego, DFlash est un modèle de brouillon léger par diffusion de blocs destiné au décodage spéculatif. Il génère en une passe avant un bloc entier de tokens, que le modèle cible vérifie en parallèle, garantissant une sortie sans perte. Comparé à EAGLE-3, DFlash offre jusqu'à 2,5 fois d'accélération et un gain moyen sans perte supérieur à 6 fois sur divers modèles dont Qwen3-8B (6,08× sur MATH-500). Sur NVIDIA Blackwell (TensorRT-LLM), le débit du modèle gpt-oss-120b est multiplié jusqu'à 15 fois, soit environ 1,5 fois EAGLE-3. L'innovation clé consiste à injecter les caractéristiques cachées de plusieurs couches du modèle cible dans la projection Key-Value de chaque couche du modèle de brouillon, de sorte que la longueur acceptée croît avec la profondeur du brouillon.
Points clés
- Proposé par l'équipe de l'UC San Diego,DFlash est un modèle de brouillon léger par diffusion de…
- Il génère en une passe avant un bloc entier de tokens,que le modèle cible vérifie en…
- Comparé à EAGLE-3,DFlash offre jusqu'à 2,5 fois d'accélération et un gain moyen sans perte…
- Sur NVIDIA Blackwell (TensorRT-LLM),le débit du modèle gpt-oss-120b est multiplié jusqu'à 15…
- L'innovation clé consiste à injecter les caractéristiques cachées de plusieurs couches du modèle…
En bref
- Publié
- Mis à jour
- Source
- MarkTechPost(RSS)
- Catégorie
- Articles et recherche
- Score IA
- 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。
Entités associées
Source et droits
Cet article s'appuie sur des titres sélectionnés et des résumés IA issus de l'API publique AIHOT, avec attribution et liens de retour. Les droits sur l'original restent ceux des médias et auteurs d'origine ; ce site ne reproduit pas les textes intégraux.
Comment citer
Pour citer cet article, conservez le titre, la date et le lien permanent, et indiquez Orange News comme source.
Orange News : DFlash : un modèle de brouillon par diffusion de blocs jusqu'à 15 fois plus rapide. 24. juin 2026. https://new.nat6.net/fr/news/cmqrrgnay0n08slp5phvdk394/