AI 搜索

带引用 · 可溯源

先用站内已采集内容作答；站内不足时联网检索，每条结论都给出来源链接

大家都在搜：vLLM12 AbridgeKV 在 vLLM 中的实现改动涉及哪些模块？10 agent10 alignment10 fine-tuning10 multi-agent10 post-training10 pretraining10

AI 答案

资料有限基于 1 条来源 · 引用可点击溯源

现有资料不足以回答「被拒绝 token 的 KV 缓存如何处理」这一具体问题——资料中只描述了被接受的 token 的缓存处理方式，未提及被拒绝 token 的 KV 缓存去向。资料中能确认的部分：

Speculative Forcing 针对少步自回归视频生成中「所有 token 都要跑完最终去噪步」的浪费问题，把中间干净估计当作草稿，预测哪些 token 可以提前接受并冻结1。
对被提前接受的 token，框架保留其 KV 缓存作为上下文1。
效果上，在短视频、长视频和世界生成任务上保持全步采样质量，LongLive 上每 token 约 1.7 步去噪、提速超 1.5 倍1。

也就是说，资料只覆盖了「接受路径」的缓存复用，对「拒绝路径」（被拒绝 token 的 KV 缓存是丢弃、回滚还是重算）没有任何说明1。建议查阅原论文的方法章节或开源实现来确认。

继续追问

Speculative Forcing 中草稿 token 的接受/拒绝判定标准是什么？被拒绝的 token 在后续去噪步中如何重新计算，是否会带来额外开销？Speculative Forcing 与扩散模型中的 speculative decoding 在缓存管理上有何异同？

参考来源

1 条

1站内推测强制加速自回归视频生成针对少步自回归视频生成中所有 token 都跑完最终去噪步的浪费问题，提出 Speculative Forcing 框架，将中间干净估计作为草稿，预测哪些 token 可提前接受并冻结，同时保留其 KV 缓存作为上下文。在短视频、长视频和世界生成任务上保持全步采样质量，LongLive 上每 token 约 1.7 步去噪、提速超 1.5 倍。Hugging Face Papershttps://huggingface.co/papers/2610.22347

AI 答案正在检索与综合…

站内相关条目

1 条 · 点击可看原文全文与中文译文

返回信息流

大模

推测强制加速自回归视频生成

针对少步自回归视频生成中所有 token 都跑完最终去噪步的浪费问题，提出 Speculative Forcing 框架，将中间干净估计作为草稿，预测哪些 token 可提前接受并冻结，同时保留其 KV 缓存作为上下文。在短视频、长视频和世界生成任务上保持全步采样质量，LongLive 上每 token 约 1.7 步去噪、提速超 1.5 倍。

大模型·Hugging Face Papers·5 天前

#video-generation