DFlash推测解码：并行生成整个Token块，在NVIDIA Blackwell上吞吐量提升高达15倍

加州大学圣地亚哥分校的研究团队提出DFlash，用轻量级块扩散模型替代自回归式草稿生成，用于推测解码。它通过单次前向传播生成整个Token块，并通过KV注入将目标隐藏特征注入草稿模型。论文报告在Qwen3-8B上实现高达6.08倍的无损加速，NVIDIA则在固定交互性条件下报告了Blackwell上15倍的吞吐量提升。DFlash提供了20个检查点，支持SGLang、vLLM和TensorRT-LLM。