直接回答：解码是逐 token 串行的，小步快跑很浪费。投机采样用一个便宜的小模型（draft model）一口气猜 k 个 token，再由大模型（target model）一次前向并行验证这 k 个位置：从前往后找到第一个大模型分布不认可的位置，之前的全部接受，该位置用大模型的正确 token 替换，之后的丢弃重猜。关键在于验证是用大模型真实分布做的拒绝采样，数学上可证明输出分布与纯大模型解码完全一致，所以"无损"。
展开解析：收益来自把 k 次串行大模型前向变成一次并行前向加一次小模型前向——大模型并行验证 k 个 token 与生成 1 个 token 的耗时几乎相同（解码是带宽受限，算力有空闲）。实际加速比取决于接受率：draft 与 target 分布越接近、文本越套路化（代码、模板文本接受率高），一次接受的 token 越多，常见 1.5~2.5 倍加速。变体包括：Medusa 给大模型加多个预测头自产自销，EAGLE 在特征层面起草，还有无 draft 模型的 n-gram 查表法（Prompt Lookup）。注意采样温度高时接受率下降，加速比随之缩水。
追问方向：为什么解码阶段并行验证不增加多少耗时？接受率如何统计与调优？batch 很大时投机采样还划算吗？
（约 440 字）