[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"aihot-art-82980":3},{"itemId":4,"vertical":5,"category":6,"source":7,"score":8,"title":9,"summary":10,"analysis":11,"url":12,"coverUrl":13,"direction":13,"marketSignal":13,"publishedAt":14},"82980","ai","论文研究","Rohan Paul",66,"SSD：空间推测解码加速自回归图像生成最高 13.28 倍","新方法SSD通过并行预测图像行，将自回归图像模型加速最高13.28倍，性能与标准解码相当。","空间推测解码（SSD）通过并行预测图像行，将自回归图像模型加速最高 13.28 倍。\n· SSD 不逐个预测 token，而是利用附近空间信息整行草拟，添加小型辅助网络同时向右和向下查看。\n· 辅助网络预测更易学习的内部特征而非精确视觉 token 标签，主模型并行审查每个草拟块并纠正错误。\n· 在 Janus-Pro、Lumina-mGPT 和 Emu3 上，生成速度提升 5.74 至 13.28 倍，基准分数与标准解码相当。\n· 更大 token 网格增益更高，小型训练头可加速过程。\n影响\u002F看点：SSD 大幅提升了自回归图像生成的效率，使高质量图像生成更接近实时，有望推动图像生成在实时应用中的普及。","https:\u002F\u002Fx.com\u002Frohanpaul_ai\u002Fstatus\u002F2076929618280661101",null,"2026-07-14 15:19:43"]