文章目录1. 背景Transformer 解码与 GPU 性能瓶颈2. 推测解码并行解码的基本框架3. Medusa无 Draft 小模型的多头并行解码4. Eagle 投机解码5. 推测解码的分类设计6. vllm 中的投机采样7. 投机解码核心组件与目录结构8. 推理主流程总览1. 背景Transformer 解码与 GPU 性能瓶颈2. 推测解码并行解码的基本框架3. Medusa无 Draft 小模型的多头并行解码4. Eagle 投机解码5. 推测解码的分类设计6. vllm 中的投机采样7. 投机解码核心组件与目录结构8. 推理主流程总览