論文の概要: FlashMap: Flow Map Speculative Decoding

• arxiv url: http://arxiv.org/abs/2610.24365v1
• Date: Sat, 17 Oct 2026 01:32:44 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 11:40:52.627225
• Title: FlashMap: Flow Map Speculative Decoding
• Title（参考訳）: FlashMap: フローマップの投機的デコード
• Abstract要約: 投機的復号化は大規模言語モデル(LLM)推論を加速させる。 1つのフォワードパスでブロックを生成する継続的フロードラフトアであるFlashMapを紹介します。 Qwen3-8Bでは、FlashMapはベンチマーク毎に一致したDFlashベースラインよりも高速である。
• 参考スコア（独自算出の注目度）: 23.84683039830323
• License:
• Abstract: Speculative decoding accelerates large language model (LLM) inference by using a lightweight drafter to propose a block of tokens that the target model verifies in one parallel pass. Autoregressive drafters generate this block one token at a time, whereas block diffusion drafters such as DFlash generate it in one pass, making drafting faster. However, these diffusion drafters predict each token independently, ignoring dependencies between tokens in the block. We introduce FlashMap, a continuous flow drafter that conditions a flow map language model on the target model's hidden states and generates the whole block in one forward pass while capturing inter-token dependencies. On Qwen3-8B, FlashMap is faster than a matched DFlash baseline on every benchmark, with 7% higher average speedup and up to 6.1x lossless acceleration.
• Abstract（参考訳）: 投機的復号化は、1つの並列パスでターゲットモデルが検証するトークンのブロックを軽量なドラフトラを用いて提案することにより、大言語モデル(LLM)推論を加速する。 自動回帰型ドラフトラは1回に1つのブロックを生成し、一方DFlashのようなブロック拡散型ドラフトラは1回のパスで1つのブロックを生成する。 しかし、これらの拡散ドラフトラはそれぞれのトークンを独立して予測し、ブロック内のトークン間の依存関係を無視します。 我々は、ターゲットモデルの隠れ状態にフローマップ言語モデルを条件付けし、1つのフォワードパスでブロック全体を生成し、トークン間の依存関係をキャプチャする継続的フロードラフト機であるFlashMapを紹介した。 Qwen3-8Bでは、FlashMapはベンチマーク毎に一致したDFlashベースラインよりも高速で、平均スピードは7%高く、ロスレスアクセラレーションは最大6.1倍である。

関連論文リスト

• Speculative Correction: Draft-then-Refine Decoding for Diffusion Language Models [50.758327861505784]
  まず、まず完全なドラフトを生成し、次に双方向拡散を用いて完全な応答を洗練する。 LLaDA2.1-FlashとLLaDA2.1-Miniの2つの構成を評価する。 Flash-FlashはGSM8K-384の精度を0.848から0.899に改善し、選択したFlashブロック自動回帰ベースラインの1.20倍高速に動作した。 Mini-Flashは2.17倍高速に動作しながら、0.294対0.300のMATH-384性能を含む、有用な品質とレイテンシのトレードオフを提供する。
  論文  参考訳（メタデータ） (2026-07-21T17:58:10Z)
• FlowBlock: Wavefront-Parallel Decoding for Self-Correcting Diffusion Language Models [16.404926372068047]
  ブロックワイド拡散大言語モデル (dLLM) はブロックレベルで逐次デコードし、ブロック間で有効なKVキャッシュの再利用を可能にするが、ブロック間デコーディングを厳密にシリアライズする。 2つのメカニズム上に構築されたトレーニング不要な並列デコーディングフレームワークである textbfflowblock を提案する。 LLaDA-2.1とLLaDA-2.0の2つのシリアルブロック単位のdLLMを最大2.95$times$と4.01$times$に改善し、レイテンシを最大53.6%、77.1%削減した。
  論文  参考訳（メタデータ） (2026-07-20T08:05:03Z)
• TreeFlash: Parallel AR-Approximation for Faster Speculative Decoding [32.75269650141292]
  投機的復号化のためのワンショットブロックのドラフトは、1つのフォワードパスで完全なドラフトを生成する。 それぞれのドラフトトークンはプレフィックスコンテキストのみに条件付けされ、以前のドラフトトークンに依存しない。 この非自己回帰条件は、ドラフトの深さが大きくなるにつれて、検証者の真の自己回帰分布からドラフトの分布が分岐する。 そこで我々は,この問題に対処するために,プロダクタの隠蔽状態とそれ以前のトークンに条件付きレイヤを組み込んで,自己回帰分布を近似するTreeFlashを提案する。
  論文  参考訳（メタデータ） (2026-06-02T16:00:18Z)
• SimSD: Simple Speculative Decoding in Diffusion Language Models [61.33773959352141]
  拡散大言語モデル (dLLMs) は、並列またはブロックワイド復号による高速な推論を提供する。 彼らのマスク付き言語モデリングの定式化は、標準的なトークンレベルの投機的復号法とは相容れないままである。 我々は,dLLMに時間的に有効なトークンレベルのコンテキストを付与する,SimSDと呼ばれるdLLMの投機的復号アルゴリズムを提案する。 提案手法は,平均生成品質を維持しつつ,最大7.46倍高い復号スループットを実現する。
  論文  参考訳（メタデータ） (2026-06-01T17:46:46Z)
• DFlash: Block Diffusion for Flash Speculative Decoding [11.98141750480807]
  自己回帰型大規模言語モデル(LLM)は高い性能を提供するが、本質的にシーケンシャルなデコーディングを必要とする。 本稿では,並列起草のための軽量ブロック拡散モデルを用いた投機的復号化フレームワークであるDFlashを紹介する。
  論文  参考訳（メタデータ） (2026-02-05T18:59:30Z)
• PACER: Blockwise Pre-verification for Speculative Decoding with Adaptive Length [21.738896310075678]
  投機的復号法(SD)は,大規模言語モデル(LLM)の推論過程を高速化する強力な手法である 軽量でトレーニング可能な事前検証レイヤを用いて,ドラフト長を動的に制御する新しいアプローチであるPacerを提案する。 以上の結果から,Pacerは自己回帰復号化よりも最大2.66倍の高速化を実現し,一貫した投機復号化を実現していることがわかった。
  論文  参考訳（メタデータ） (2026-02-01T15:12:38Z)
• SpecDiff-2: Scaling Diffusion Drafter Alignment For Faster Speculative Decoding [48.96349422252313]
  投機的復号化は,Large Language Model (LLM)推論の高速化のための標準手法となっている。 自動回帰デコーディングの遅延を回避し、印象的なスピードアップを実現するために、損失のないドラフト検証手順を利用する。 本稿では,これら2つのボトルネックに共同で対処する新しいフレームワークであるSpecDiff-2を提案する。
  論文  参考訳（メタデータ） (2025-11-01T16:12:56Z)
• Fast-dLLM v2: Efficient Block-Diffusion LLM [64.38006546510337]
  Fast-dLLM v2はブロック拡散言語モデルで、訓練済みのARモデルをdLLMに適応して並列テキストを生成する。 これは、Dream(580Bトークン)のようなフルアテンション拡散LDMと比較して、トレーニングデータの500倍の減少を示す。
  論文  参考訳（メタデータ） (2025-09-30T14:40:18Z)
• DiffuSpec: Unlocking Diffusion Language Models for Speculative Decoding [66.40658898418316]
  DiffuSpecは、事前訓練された拡散言語モデル(DLM)を用いて、単一のフォワードパスでマルチトークンのドラフトを生成する、トレーニングフリーのドロップインフレームワークである。 ベンチマーク全体を通じて、DiffuSpecは最大3倍のウォールクロックスピードアップを達成し、投機的復号化のための自己回帰型ドラフトラの堅牢な代替手段として拡散ベースのドラフトを確立する。
  論文  参考訳（メタデータ） (2025-09-28T07:00:15Z)
• Pipeline Parallelism is All You Need for Optimized Early-Exit Based Self-Speculative Decoding [73.67253077506672]
  大規模言語モデル(LLM)は、優れた生成品質を提供するが、非常に高い推論コストをもたらす。 早期排他的自己投機的復号法(EESD)がこのコストを軽減するために登場した。 ドラフトと検証作業を完全にパイプライン化するパイプライン・パラレル自己スペクティブ・デコーディング(PPSD)を提案する。
  論文  参考訳（メタデータ） (2025-09-19T04:51:41Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。