我们提出 Speculative Jacobi-Denoising Decoding (SJD2)框架，将扩散模型的去噪过程引入 Jacobi 迭代，从而实现自回归模型中的并行 token 生成。该方法在解码过程中稳定了 token 轨迹，加速了 token 的收敛，从而在保持生成质量的同时显著提升推理效率。 #N这篇是不是之前那篇的续作，中iclr那个
我们提出 Speculative Jacobi-Denoising Decoding (SJD2)框架，将扩散模型的去噪过程引入 Jacobi 迭代，从而实现自回归模型中的并行 token 生成。该方法在解码过程中稳定了 token 轨迹，加速了 token 的收敛，从而在保持生成质量的同时显著提升推理效率。
我们提出 Speculative Jacobi-Denoising Decoding (SJD2)框架，将扩散模型的去噪过程引入 Jacobi 迭代，从而实现自回归模型中的并行 token 生成。该方法在解码过程中稳定了 token 轨迹，加速了 token 的收敛，从而在保持生成质量的同时显著提升推理效率。
支持大作
是的hh
牛的
like Jocobi
好工作，我们用了你们的方法