【#DeepSeek联合北京大学发布论文#，如何让大模型跑得更快】
据快科技报道，当行业在讨论谁的模型更聪明时，DeepSeek仍然把目光投向更现实的问题：如何让大模型跑得更快。昨日，DeepSeek官方在Github低调发表了一篇最新论文，介绍其推理加速框架DSpark，试图解决大语言模型在高并发场景下的推理效率瓶颈。

从作者署名来看，这篇论文由DeepSeek与北京大学联合发布，值得注意的是，DeepSeek创始人梁文锋也位列作者名单。在论文中，团队开源了DSpark模型权重，并同步发布了面向推测解码、由算法驱动的训练代码仓库DeepSpec。

DeepSeek首先解释了需要解决的问题。大语言模型采用自回归方式生成文本：每一个新词元的生成，都需要基于全部前置词元完成一次完整前向传播，结果是输出越长，等待越久。

目前，DeepSeek已经将DSpark部署到DeepSeek-V4在线服务系统中，并基于真实用户流量评估其实际性能。结果显示，相较于现有生产环境基线系统MTP-1，在相同吞吐量条件下，DSpark将用户端生成速度提升了60%-85%。