先说结论：arXiv:2611.05345 这篇，问题比答案值钱。标题写的是推测推理，我看该换成摘要里那半句——「草稿接受结果在 30 步之后可能改变模型输出分布」。
编号先念一遍。cs.AI，十一月三号挂出来的，到今天刚好一周。八位作者，v1 时间戳 UTC 18:45:23。DOI 一栏写着：待注册。🙃
待注册。一篇打算改写推测解码前提的东西，编号比它的 DOI 先落地。这不算罪证，就是有点好笑。
摘要里最刺眼的两个半句，我并排放这儿：
「在复杂智能体编码基准上，该方法提高了端到端成功率，同时没有改动目标模型及其输出分布。」
这两句塞进同一个句子，是有语病的。
如果输出分布真一个字没动，那么从同一个分布里采样出来的期望准确率就是恒等的。换一条采样路径，改的只是方差，不是期望。方差收窄，pass@1 会好看；k 一拉大，收益自己就平掉了。
所以要么它说的「没动」是个窄口径，指目标模型的权重和每一步的采样逻辑没动；要么它测到的提升本来就是方差收缩。
两种解释都合法。但没有一种撑得起「端到端成功率提高」这种不带限定条件的写法。
不是数据假。是数据外面那层壳太滑。
顺便说一句摘要里那组词：「多个前沿开放权重模型」「比较了不同的推测解码方式」。「多个」「不同」各出现一次。一篇评测型论文，最不该模糊的就是这两个词。到底是哪几个模型、每个模型上分别是什么结果，读摘要读不出来。这不是我刻薄。哪天有人拿这篇的方法去做选型，第一句要问的就是「在我的模型上还成立吗」。
然后是我认的那条。
「思考过程中的草稿接受结果在 30 步之后可能改变模型输出分布，并以随机方向影响长程智能体的推理准确率。」
标题该换成它。这句是全文最硬的东西。
推测解码这几年在工程圈的默认定位是什么？系统层的加速器。白拿的吞吐，模型行为不变。这个定位在短请求上基本成立——三十步以内，草稿被接受的那些 token 跟目标模型自己采的，统计上分不出差别，你赚的就是时间。
三十步之后不一样。验证窗口里的数值噪声一级一级往上滚，草稿被接受的那些位置，累积偏差足够把后面整条轨迹推到另一个分支上。
长程智能体最怕的正是这个。它不是一次答错，是从某个岔路口开始，一路都很自信地走在错路上。
「随机方向」这四个字用得挺诚实——也就是说有时候变好，有时候变坏，你事先不知道。那么所有把推测解码当成「零成本加速」来卖的说法，都得在这里加一个截止日期。
这条我给分。但打了折：它配的是定性描述加一个 30 的阈值，三十这个数怎么来的、在几个模型上稳不稳，摘要里读不出来。
方向我信。刻度我先不信。
方法本身。
先在智能体轨迹里定位关键决策点，再用对抗偏好训练草稿模型，让它专门在这些点上被拒绝。推理时草稿和目标在这几个点分开，验证重新开始，关键 token 交给目标模型在噪声还没滚起来的时候自己采。
思路干净，甚至有点漂亮：不是去压噪声，是让噪声大的那个位置干脆别用草稿。把「哪里不能让草稿说话」当成一个可训练的目标，而不是拍脑袋定个阈值。
但它有个洞，摘要里没堵。
关键决策点怎么定位？
这是整个方法的地基。定位错了，训出来的草稿模型就是在无关位置上反复被拒绝，白付算力，一分准确率都不换。轨迹里的「关键」到底怎么定义？分支熵高的位置？下游成功率对它敏感的位置？还是人工标的？摘要只写了一句「先在智能体轨迹中定位关键决策点」，然后就没有下文了。
这条我还没弄明白，先别信我这半句。
再说那个数字。
「训练量仅涉及托管参数的 0.06% 至 0.28%」
这个数字写得很漂亮，漂亮到不像在讲训练量，像在打折扣。
0.06% ────────────────────────── 0.28%
跨度 4.67 倍。一个方法的开销报出来是个 4.67 倍的区间，通常说明两件事之一：要么分母没定义清楚，「托管参数」到底指谁的参数——草稿模型的、目标模型的、还是部署侧那一坨；要么它自己也没在不同规模上测准。
而且 0.06% 这个量级本身就在暗示能力上限。它不是让草稿模型学会了推理，是让草稿模型学会了闭嘴。
学会闭嘴确实比学会推理便宜得多。这点我不嘲，这是这个方法的真聪明之处。但别拿「0.06%」当战绩念。那是个成本数，不是效果数。
说这波值不值。
这篇没给我能直接抄走的东西。对抗偏好训练要重跑轨迹、要标决策点，不是周末能干的活。我不打算拿自己的项目去复现它，至少这个月不。
所以今天我只照了一处：它自己那几句话对不对得上。照出来的结果是——问题真，方法有想法，摘要的口气比内容大三号。
还有一句我读了三遍没读懂：「让关键推理在长程任务中更容易被索引，并保持更持久」。索引？谁在索引？持久是相对什么而言的？一句本该给机制的话，写成了形容词。
这届文案，连 arXiv 都不放过。
锐评评分卡：
这个问题值不值得跟？值得。推测解码在长程 agent 上会不会改分布，这是个真问题，谁先把它测干净谁白捡一个结论。
这篇现在值不值得信？半信。30 步那条我认方向不认刻度；关键决策点怎么定位它没交代；0.06% 到 0.28% 这个区间我当它没说。
这时间花得冤不冤？不冤。读摘要那十分钟是值的，剩下的时间建议等 v2。
等 v2 出来，先看两件事：关键决策点到底是标出来的还是算出来的，以及那句「没有改动输出分布」还在不在。这两条它要是能答上，我第一个改口。
在那之前，把「没有改动输出分布」和「提高了端到端成功率」抄在便签上贴着。什么时候这两句能在一段话里自洽了，再谈颠覆。