返回全部题目← 上一题52 / 81下一题 →题库/模型基础与推理/Q-5039Medusa 如何通过多个解码头加速大模型生成？知识专题：推理优化与模型压缩题目类型：原理机制技术难度：深入收录题集：2 份暂无参考答案未标记未标记待复习已掌握收藏询问 AI选择 AI 平台KimiKimi（新窗口打开）Qwen千问（新窗口打开）OpenAIChatGPT（新窗口打开）自动带入当前题目本题目录收录题集相关题目收录题集2 份LLM推理系统问答阿东玩 AI · AgentGuide · 1 条原题查看题集 →原文作者Lamhot Siagian / AI Engineering Insider How does Medusa differ from a separate draft model approach? What are the trade-offs?AI 基础设施AMIT SHEKHAR · ai-engineering-interview-questions · 1 条原题查看题集 →How does Medusa (multi-head speculative decoding) work?相关题目4 题0274Decoder-only 的 KV Cache 为什么缓存 K、V 而通常不缓存 Q？同一知识专题题目类型：原理机制技术难度：进阶相关面经：2 篇0277FlashAttention 为什么能节省显存并提速，是否改变注意力结果？同一知识专题题目类型：原理机制技术难度：进阶相关面经：2 篇0502有哪些大模型推理加速技术？同一知识专题题目类型：方案设计技术难度：进阶相关面经：3 篇0503模型剪枝、GPTQ 与 AWQ 量化方法。同一知识专题题目类型：比较选型技术难度：进阶相关面经：3 篇♥♥♥♥♥← 上一题已到最后一题← 上一题llama.cpp 如何在常见 CPU 或消费级硬件上运行大语言模型？下一题 →EAGLE 如何通过特征层面的投机解码加速生成？
