如何在llama.cpp中运行MTP（多token预测）
Julien Chaumond(@julien_c)255 字 (约 2 分钟)
75
MTP是llama.cpp内置的投机解码新特性，可将大多数用例的token生成速度提升约2倍，通过Dense 27B模型可达~30 tok/sec，MoE模型可达~100 tok/sec。
入选理由：MTP是内置于模型本身的投机解码新特性，可将token生成速度提升约2倍
精选推文#llama.cpp#MTP#投机解码#Qwen#大模型推理优化英文
概念
speculative decoding
别名：投机解码
通过预测多个token来加速LLM推理的技术。
已跟踪 2 条高相关材料
TraeAI 观察
最近变化
2026-05-19 · MTP是内置于模型本身的投机解码新特性，可将token生成速度提升约2倍
为什么值得关注
speculative decoding 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
llama.cppMTPNeMo-RLNVIDIAQwen
如果只读 3 篇
1
I've seen some confusion online on how to run llama.cpp with MTP (Multi-token prediction) in the sim...
Julien Chaumond(@julien_c) · 7.5 分
MTP是llama.cpp内置的投机解码新特性，可将大多数用例的token生成速度提升约2倍，通过Dense 27B模型可达~30 tok/sec，MoE模型可达~100 tok/sec。
2
RL post-training is hitting a rollout bottleneck. This new paper from #NVIDIAResearch shows how sp...
NVIDIA AI(@NVIDIAAI) · 7.2 分
NVIDIA 研究提出将 speculative decoding 引入 NeMo-RL + vLLM 架构，实现 RL 后训练 rollout 阶段无损加速：8B 模型吞吐提升 1.8 倍，235B 模型端到端预计提速 2.5 倍。
相关材料
已收录 2 条与 speculative decoding 相关的内容，按评分排序。
RL post-training is hitting a rollout bottleneck. This new paper from #NVIDIAResearch shows how sp...
NVIDIA AI(@NVIDIAAI)324 字 (约 2 分钟)
72
NVIDIA 研究提出将 speculative decoding 引入 NeMo-RL + vLLM 架构，实现 RL 后训练 rollout 阶段无损加速：8B 模型吞吐提升 1.8 倍，235B 模型端到端预计提速 2.5 倍。
入选理由：RLHF/RLAIF 后训练的 rollout 阶段已成为性能瓶颈
精选推文#RLHF#speculative decoding#vLLM#NeMo-RL#NVIDIA中英混合