英文：Speculative Decoding 分类：architecture
用小模型（草稿模型）快速生成多个候选 Token，再由大模型并行验证接受的解码加速技术。它不改变输出分布（无损加速），是 LLM 推理提速的重要手段。
实现：草稿模型自回归生成 K 个候选 → 大模型一次前向并行验证（打分+接受/拒绝）→ 被拒位置重新采样；变体有自投机（大模型自身分块）、EAGLE（草稿头）、Medusa（多解码头）；加速比取决于草稿接受率与模型大小差。
用于高吞吐/低延迟推理服务（配合批处理）、端到端加速与资源受限部署；与量化、KV 压缩叠加实现数量级吞吐提升。