轨迹检索投机解码论文：TLAR方法提升推理吞吐
Get the story
2026年10月7日，arXiv · Artificial Intelligence（一手）发表论文，提出轨迹检索投机解码方法 Trajectory-Local Adaptive Retrieval（TLAR），探讨模型自身历史在长链式推理中的可用性。TLAR 从当前轨迹检索近似匹配的续写作为草稿，并用近期验证结果调节检索激活与候选宽度；检索续写与模型生成草稿被合并到共享候选树，通过精确验证保持目标模型输出分布。在代码调试、数学和开放写作任务上，与强检索基线结合后，在匹配验证预算下提升 token 接受率，并较草稿模型基线提高端到端吞吐。目前未见后续验证或争议报道。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Artificial Intelligence轨迹检索投机解码：模型自身历史何时有用？
论文提出 Trajectory-Local Adaptive Retrieval（TLAR），在长链式推理中从当前轨迹检索近似匹配的续写作为草稿，并用近期验证结果调节检索激活与候选宽度。TLAR 将检索续写与模型生成草稿合并到共享候选树，通过精确验证保持目标模型输出分布。在代码调试、数学和开放写作任务上，与强检索基线结合后在匹配验证预算下提升 token 接受率，并较草稿模型基线提高端到端吞吐。
Heat trend
Current heat 9·Comparable peak 10（Oct 7）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.