DSpark: Speculative decoding accelerates LLM inference

DeepSeek 这份技术报告讨论 DSpark，用推测解码减少大模型自回归推理中每个 token 都要完整前向的顺序瓶颈。它的基本工程思路是让轻量草稿路径先提出候选 token，再交给目标模型批量验证，目标是在保持输出语义一致的前提下提高吞吐或降低延迟。报告以方法和实验为中心，适合放在推理系统、serving runtime 和模型部署成本的语境里阅读。