---
title: "Semi-Autoregressive Generation"
created: 2026-06-28
updated: 2026-06-28
type: concept
tags: [speculative-decoding, llm-inference, hybrid-architecture]
sources: [DSpark]
---
# Semi-Autoregressive Generation

半自回归生成是 [[DSpark]] 提出的混合草稿架构，将草稿生成分为两个阶段以融合[[parallel-drafting|并行草稿（Parallel Drafting）]]的速度优势和[[autoregressive-drafting|自回归草稿（Autoregressive Drafting）]]的质量优势。

## 架构

**并行阶段（Parallel Stage）**：并行骨干网络（基于 [[DFlash]] 的 [[kv-injection|KV 注入（KV Injection）]] 架构）执行单次前向传播，生成所有位置 $\gamma$ 的隐藏状态 $\{h_k\}$ 和基础 logits $\{U_k\}$。$T_{draft}$ 仍接近 $O(1)$。

**顺序阶段（Sequential Stage）**：轻量级顺序模块为每个草稿位置 $k$ 注入**前缀依赖的转移偏置** $B_k(x_0, x_{<k}, x_k)$，形成因果块分布：

$$P(X|x_0) = \prod_{k=1}^{\gamma} p_k(x_k | x_0, x_{<k})$$

其中每步采样基于基础 logits + 转移偏置：

$$p_k(v|x_0, x_{<k}) = \frac{\exp(U_k(v) + B_k(x_0, x_{<k}, v))}{\sum_{u \in \mathcal{V}} \exp(U_k(u) + B_k(x_0, x_{<k}, u))}$$

因为顺序模块天然是串行的，必须保持**计算轻量**（$T_{sequential} \ll T_{parallel}$），确保总草稿延迟仍由并行阶段主导。

## 顺序块的两种实例化

- **[[markov-draft-head|马尔可夫草稿头（Markov Draft Head）]]**：$B_k$ 仅依赖前一 token $x_{k-1}$，通过低秩分解 $B=W_1 W_2$（rank $r=256$）实现高效的大词汇表转移建模
- **[[rnn-draft-head|RNN 草稿头]]**：通过门控循环单元积累完整的块内前缀历史，$s_k = \sigma(W_g z_k) \odot s_{k-1} + (1-\sigma(W_g z_k)) \odot \tanh(W_c z_k)$

## 效果

在 Qwen3-{4B,8B,14B} 上，DSpark 相对自回归 Eagle3 提升 26.7%-30.9%，相对并行 DFlash 提升 16.3%-18.4%。关键在于融合了并行模型的高初始 token 能力和自回归模型的后缀连贯性。

## 参考

- [[DSpark]]
- [[markov-draft-head|马尔可夫草稿头（Markov Draft Head）]]
- [[rnn-draft-head|RNN 草稿头]]