Parallel Decoding

Flash-dLLM：為擴散大語言模型打造的 I/O 感知 KV 快取與平行解碼加速框架

Flash-dLLM: IO-Aware KV Caching and Parallel Decoding for Fast Diffusion LLMs

Flash-dLLM 是一個免訓練的推論加速框架，透過融合的 I/O 感知 KV 快取與自我草稿驗證解碼技術，大幅提升擴散大語言模型（dLLM）的推論速度與記憶體效率。