标签：draft model

2026-09-29andy阅读(2)

在大模型推理部署中，Decode阶段的自回归特性决定了每个token生成都需要一次完整的前向传播，这导致推理吞吐量被GPU计算效率严重制约。即使使用了PagedAttention和Continuous Batching等优化技术，Decod...