paper.dinq.meAI 与前沿科学顶会 · 学术新星雷达
登录 DINQ
返回新星榜
MF

Min Fang

ACL 2026效率与系统对齐与偏好可解释性
新星分贡献者
27
一作贡献0
核心/参与5
方向广度6
合作网络6
0 一作 · 1 篇 · ACL 2026

获取完整研究档案

首次获取该候选人的完整档案及 StartLux 评估共 20 积分;每位用户单独解锁,之后查看免费。主动刷新 20 积分。

联系方式

实时查找电子邮箱,费用不超过20积分;未找到邮箱不扣费。

2026 顶会论文

1
作者位次 #3/7ACL 2026Findings· Findings of ACL

D iffu S pec: Unlocking Diffusion Language Models for Speculative Decoding

Guanghao Li · Zhihui Fu · Min Fang · Qibin Zhao · Ming Tang · Chun Yuan · Jun Wang

摘要

Autoregressive (AR) decoding in large language models (LLMs) is latency-bounded by strictly sequential token generation.Speculative decoding mitigates this bottleneck by letting a fast drafter propose multi-token candidates that are then verified in parallel by the target model; yet most existing...

效率与系统对齐与偏好可解释性OpenReview 项目页

常见合作者