扩散式投机解码(diffusion-based speculative decoding)是目前 LLM 推理加速最前沿的方向之一:通过块级扩散在单次前向中并行生成多个候选 token,再用目标模型一次性验证,实现无损加速。但现有方法普遍采用固定推理块大小,默认最优策略对所有输入一致,严重限制了进一步提速的空间。 BlockPilot 的关键观察指出:最优块大小在不同样本间差异显著,而且这些值呈现围绕训练块大小的局部集中结构,使块大小选择变成一个低维、可学习的决策问题。基于此,作者把块大小选择形式化为一个轻量级策略学习问题,提出实例自适应决策机制:只需在 prefill 之后用 prefill 表示预测一次最优块大小,然后在整段解码过程中保持不变。这种设计使 BlockPilot 与现有扩散投机解码系统即插即用,不需要修改目标模型,base LLM 完全冻结,新增训练参数低于 0.05%。 在 Qwen3-4B 温度 T=1 设置下,BlockPilot 取得 5.92 的接受长度与 4.20× 端到端加速,显著超越现有 SOTA 扩散投机解码基线。这一工作的意义在于把「样本难度异质性」明确纳入投机解码设计空间,打破了此前固定块大小的隐含假设,也为长序列、Agentic 工作流等块大小天然多变的场景打开了动态解码策略的新方向。 原文:arXiv:2606.31315,提交于 2026 年 6 月 30 日。