DFlash: Hệ thống giải mã suy đoán theo kiểu khuếch tán, tạo block token cùng lúc thay vì từng token. Dùng draft model nhẹ để tạo block, kiểm nghiệm bằng LLM đích – tăng độ chấp nhận và hiệu suất, đặc biệt với văn cảnh dài & batch lớn. Hỗ trợ Qwen3-4B/8B/30B, tích hợp với SGLang, hỗ trợ streaming và sinh code dài. Hiệu quả cao trong sinh code và đầu ra cấu trúc. Code, checkpoint đã công bố, hướng dẫn huấn luyện sắp ra mắt. #DFlash #LLM #SpeculativeDecoding #Qwen3 #SGLang #AI #MachineLearning #Trí