2. 7A | 2.7A：高级推理策略
本组聚焦更快的解码和缓存复用路径，目标是把推理侧的效率提升思路从单次生成扩展到多请求调度。当前主线已经覆盖 Speculative Decoding、RadixAttention、Prefix Caching、Chunked Prefill、Multi-Token Decoding、Decode Scheduling，以及 KV Cache Scheduling。
Group Overview | 组概览
这一组围绕“怎么更快生成”展开：先用 Speculative Decoding 和 RadixAttention 建立高级推理的基础直觉，再用前缀缓存、多 token 解码、decode 调度和 KV cache 调度补齐 serving 场景中的效率边界。
Page Template | 页面模板
这一组非项目页统一对齐 26 的 notebook-first 结构，保证阅读、填空和脚本校验一致：
- 标题区：编号、标题、难度、环境、标签、目标人群、关键词。
- 前置阅读：先放最小必要前置，优先保证正文主线可读。
- 相关阅读：放工程背景或后续扩展，不抢正文主线。
- Step 1：先讲问题、收益或核心机制。
- Step 2：给出代码实现框架或关键数据结构。
- Step 3：展开模拟机制、对比关系或关键细节。
- Step 4：动手实战，完成一个最小可运行实现。
- STOP HERE：保留自练区。
- 参考代码与解析：统一收束答案和解析。
Group Asset Overview | 组内资产总览
| 页 | 职责作用 | 定位 |
|---|---|---|
| 23 | 评估 Speculative Decoding 的收益 | 主线页 |
| 24 | 看清 RadixAttention 的缓存复用 | 主线页 |
| 36 | 观察前缀缓存与分块预填充的收益 | 扩展页 |
| 37 | 理解 Multi-Token Decoding 的草稿-验证链路 | 扩展页 |
| 38 | 评估 Decode Scheduling 的调度收益 | 扩展页 |
| 41 | 观察 KV Cache 的复用与调度边界 | 边界页 |
Learning Path | 学习路径
Recommended Order | 推荐顺序
Next Steps | 后续衔接
Environment Notes | 环境说明
- 默认按
CPU-first阅读，优先把推理路径和缓存行为看懂。 - 这里只写组级统一前提，不点到具体节号。
- 少数页面如需
GPU optional，以后续单页说明为准。