Ir para o conteúdo

Radar ·

DEER propõe rascunhos de diffusion para acelerar LLMs

Publicação de 18 de dezembro de 2025 descreve o DEER, que gera rascunhos de tokens com modelos de diffusion e os verifica com modelos autoregressivos. O trabalho afirma aceleração de até 5,54× sem perda de qualidade.

Em 18 de dezembro de 2025, uma publicação apresentou o DEER: o método gera rascunhos de tokens com modelos de diffusion e os verifica com modelos autoregressivos. Segundo a publicação, essa abordagem acelera a inferência em até 5,54× sem perda de qualidade.

O resultado pode interessar a engenheiros que avaliam alternativas de speculative decoding. Para entender e conferir a afirmação, consulte a publicação original e examine os benchmarks, as condições de teste e a definição de qualidade usada; esses detalhes não constam no resumo disponível.

Fonte original: DEER Usa Rascunhos de Diffusion para Inferência de LLMs

Curadoria · AgentLog

Receba o essencial

Privacidade, engenharia de IA e segurança no seu e-mail.

No máximo um resumo por dia, quando houver novidades. Cancele quando quiser. Usamos o e-mail verificado da sua conta.

Privacidade

Procurando outra coisa?AjudaContato