推理优化
第5章：Speculative Decoding
理解投机解码的核心原理（Draft + Verify）、Self-Draft 方案（Medusa/EAGLE-2）及其收益边界与限制
Speculative Decoding 投机解码 Medusa EAGLE Rejection Sampling
本章简介
自回归解码的串行瓶颈是 Decode 阶段效率低的根本原因。Speculative Decoding 通过”先猜后验”打破这一瓶颈。
核心原理详解 Speculative Sampling 框架：Draft 模型快速猜测多个 Token，Target 模型并行验证。通过 Rejection Sampling 机制保证正确性——数学上证明接受的 Token 严格服从 Target 分布。
Draft 模型方案讨论独立小模型的选择（大小、架构、能力匹配）以及 Acceptance Rate 对加速比的影响。
Self-Draft 方案覆盖 Medusa（多 Decoding Head 预测多 Token）和 EAGLE-2（动态 Draft Tree + 置信度校准），以及从 Token 级到 Block 级联合验证的演进。
收益边界与限制分析高接受率场景（代码生成，加速明显）vs 低接受率场景（开放对话，收益有限），以及与量化叠加的精度风险、与 Continuous Batching 的调度复杂度。
动手实验：用 vLLM 对比代码生成 vs 开放对话的 Acceptance Rate 差异。