轨迹检索投机解码：模型自身历史何时能提供帮助？

研究针对长思维链推理提出轨迹局部自适应检索方法（TLAR），通过检索自身生成轨迹中的历史内容来辅助投机解码。TLAR 从当前轨迹提取近似匹配片段，结合近期验证结果自适应调节检索与候选宽度，并通过严格验证保持目标模型输出分布不变。在代码调试、数学和开放写作测试中，结合 TLAR 显著提升了 token 接受率与端到端吞吐量。