Performance-Driven Policy Optimization for Speculative Decoding with Adaptive Windowing
基于性能驱动的自适应窗口策略优化用于投机解码
🧭 Training ★ 深度解读
提出PPOW框架，将草稿模型训练转为窗口级强化学习，结合性能奖励与自适应窗口采样提升投机解码效率
#Drafter Training
1 篇
每日 AI / 电商 / 推荐系统 / Agent 论文精选
1 篇
基于性能驱动的自适应窗口策略优化用于投机解码
提出PPOW框架，将草稿模型训练转为窗口级强化学习，结合性能奖励与自适应窗口采样提升投机解码效率