Google TPUで3倍加速を実現:UCSDが拡散型投機的デコーディングでLLM推論を最適化
原題:Supercharging LLM inference on Google TPUs: Achieving 3X speedups with diffusion-style speculative decoding
AI 要約
カリフォルニア大学サンディエゴ校の研究チームは、Google TPU上でブロック拡散ベースの投機的デコーディング手法DFlashの展開に成功した。この手法は従来の自己回帰的ドラフト生成の逐次性ボトルネックを突破し、単一のフォワードパスで候補トークンブロック全体を並列に「描画」する。システムは平均3.13倍の推論加速を実現し、ピーク性能はEAGLE-3などの既存手法の2倍近くに達した。このオープンソース方案はvLLMエコシステムに統合され、「無料」の並列検証能力と複雑な推論タスク向けの高品質なドラフト予測を活用することで、TPUハードウェアの利用効率を大幅に最適化する。
要点
- カリフォルニア大学サンディエゴ校の研究チームは、Google TPU上でブロック拡散ベースの投機的デコーディング手法DFlashの展開に成功した。
- この手法は従来の自己回帰的ドラフト生成の逐次性ボトルネックを突破し、単一のフォワードパスで候補トークンブロック全体を並列に「描画」する。
- システムは平均3.
- 13倍の推論加速を実現し、ピーク性能はEAGLE-3などの既存手法の2倍近くに達した。
- このオープンソース方案はvLLMエコシステムに統合され、「無料」の並列検証能力と複雑な推論タスク向けの高品質なドラフト予測を活用することで、TPUハードウェアの利用効率を大幅に最適化する
概要
- 公開日時
- 更新日時
- カテゴリ
- 論文・研究
- AI スコア
- 66
把扩散式的 speculative decoding 在 TPU 上跑出了 3 倍推理加速,峰值快到 EAGLE-3 的两倍,还直接集成了 vLLM,做推理优化的赶紧试一下。
関連エンティティ
出典と著作権
本記事は AIHOT の公開 API が提供する厳選タイトルと AI 要約に基づいており、出典の明記と元記事へのリンクを行っています。原文の著作権は元の媒体と著者に帰属し、当サイトは全文を転載しません。
引用方法
本記事を引用する際は、タイトル・日付・パーマリンクを保持し、出典をOrange Newsと明記してください。
Orange News:Google TPUで3倍加速を実現:UCSDが拡散型投機的デコーディングでLLM推論を最適化。2026年5月4日。https://new.nat6.net/ja/news/cmorfwui900bbslahbt29u50b/