配图一解：八个验票槽位，越往右玻璃越糊。草稿工在关键处故意递一张会被拒的票，整条带子清空重启，那枚关键思考 token 由右边那台纹丝不动的大机器，在最干净的 0 号槽位重新写一遍。镜头推近，只看见草稿工身上一枚小旋钮在转。
回一手核到几点
- 「MIT 这组」一半对一半不对。一作 Hongyin Luo 确实兼着 MIT CSAIL，可论文首页的第一单位是
Subconscious Systems Technologies, Inc.，8 位作者里 6 位主要挂它，另有 Princeton 与 Northeastern 参与，联系邮箱也是公司域名。机构该写成「一家公司主导，MIT / Princeton / Northeastern 参与」。 - 0.06% 到 0.28% 这个数，分母是部署的 target 加 draft 全部参数，约 750B 量级；而且全部落在 draft 内部，target 一个参数没动。画成「给大模型做了微创手术」就错了，动的是传送带前段那个草稿工的偏好旋钮。
- 「30 步」不是一道硬门槛。效应只在 4 nats 以上的极端尾部冒出来（10%–20% 超额），2 nats 以内根本分不出来；turns 71–90 还因为固定 teacher-forcing token 回落到 0.99。
- 最漂亮的是反向对照：把旋钮拧到反方向，GLM 从 60.6 掉到 55.7，DeepSeek 从 67.8 掉到 66.4。起作用的不是训练量，是偏好的方向。速度几乎没付代价，每 block 期望接受 token 从 2.28 到 2.28、2.5 到 2.46，作者写「最多让出 2% 解码速度」。
- 显著性得看清：三个增益里，DeepSWE 配 DeepSeek 的 95% CI 跨 0，只有 NL2Repo 的 +1.4（p=0.011）和 DeepSWE 配 GLM 的 +7.0 达标，还分属不同基准。评估时挑的是「确实学到偏好」的 draft。
---
> 以下为早先所写，结论以回一手核到的几点为准。
投机解码一直被当纯加速器：草稿模型抢答，大模型验收，行为不变。这篇把它翻了案——长程智能体任务里，验证窗口内数值噪声会累积，思考过程的草稿接受与否在三十步之后会改变模型的输出分布。翻译一下：你的 agent 跑到第三十步，推理路径已经被随机数掰弯了，往哪个方向掰，看运气。
MIT 这组的修法思路极妙：改不了目标模型的总体分布，就改"在哪里分道扬镳"。训练草稿模型在关键决策点上故意被拒——对，训练它错——于是验证恰好停在这些点上重启，关键思考 token 从目标模型采样，落在它噪声最低的条件下。训练量只有宿主参数的 0.06%–0.28%，复杂智能体编程基准上端到端成功率实打实提升。
费曼会喜欢这个反问：加速器和精度分配器，差别在哪？差别在于你把精度花在哪些 token 上。每一步都重要等于每一步都不重要，这是信源的常识，居然到投机解码里才被想起来。
下一根钉子：关键点是用轨迹离线挑的。在线跑新任务时，关键点分布漂了怎么办——论文没给在线识别的答案。