热点事件持续更新
SchemaFill：槽位并行投机解码提升LLM工具调用效率
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
2026年10月7日，arXiv 机器学习理论栏目发布一手论文，介绍 SchemaFill 框架。该框架面向 LLM 工具调用场景，采用槽位并行投机解码：让未来槽位值并发生成候选，再由目标模型在实际输出前缀下验证，仅提交通过验证的 token。候选可跨多个字段和调用拼接验证，无需预知实际调用序列或参数值。论文称在 Glaive 和 BFCL 基准上，端到端吞吐量较自回归解码最高提升 4.05×，代码已开源。目前报道仅此一篇，尚无后续验证或争议信息。
AI 根据报道生成 · 2 小时前更新
最新进展10月7日 12:00
arXiv 论文公布 SchemaFill，吞吐量最高提升 4.05×，代码已开源。报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv · Machine Learning TheorySchemaFill：用槽位并行投机解码提升 LLM 工具调用效率
SchemaFill 提出槽位并行投机解码框架，让 LLM 工具调用中的未来槽位值并发生成候选，再由目标模型在实际输出前缀下验证，仅提交通过验证的 token。候选可跨多个字段和调用拼接验证，无需预知实际调用序列或参数值。在 Glaive 和 BFCL 上，端到端吞吐量较自回归解码最高提升 4.05×，代码已开源。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。