就像抄近路却多走了几公里：AI 每轮生成得更多，不代表整份回答更快完成。这篇论文研究投机解码——先让较小的“草稿模型”猜出一串词，再由较大的目标模型批量检查。系统常用接受率，也就是草稿词通过检查的比例，来估算加速效果；但它没有计算回答最终变长了多少。
问题出在有损验证：它放宽检查标准，接纳目标模型原本不太可能选择的词。作者发现，这些词会改变后续生成路径，主要把推理过程拖长，形成“长度膨胀”。因此，哪怕每轮留下更多词，新增的总词数也可能吃掉节省的计算。更糟的是，有些回答持续推理到耗尽生成额度，反而没留下空间给出最终答案。
作者在数学、代码、聊天和长文本等六类基准上，测试五种无需训练的放宽规则，覆盖 12 组目标模型与草稿模型、共 360 个实验单元。据论文自述，长度膨胀抵消了大部分验证轮数和实测时间收益；真正减少验证轮数的宽松设置，准确率通常也明显下降。结论很直接：评测不能只报接受率，还应同时报告回答长度、验证轮数、实际耗时与准确率。