为什么值得读
这是「训练目标与验收指标不一致」的典型案例，而且论文给出的推导很直接：验收看的是 TV，训练却优化 CE。更实用的是它没有停在「换个损失」，而是把 TV 的两个具体失效模式（未覆盖 token 梯度消失、接受长度目标里的前缀乘积）单独拎出来解决。做推理加速的团队可以直接拿走这条思路。
问题：验收用 TV，训练用 CE
投机解码用一个草稿模型提议 token，再由目标模型并行验证。在无损投机采样下，一个草稿 token 被接受的概率是一减去目标分布与草稿分布之间的总变差（TV）距离。
但草稿模型的训练目标通常是交叉熵或 KL。也就是说，训练时优化的量与部署时真正决定加速比的量并不是同一个量。
第一层结论：TV 单独用就够，但要用对场景
论文先在匹配且调好的训练设置下比较：微调阶段，TV 能持平或超过若干已发表的草稿训练目标；从零训练时，固定的 TV 与 KL 混合目标也能达到同样效果。
言下之意是「从零训练」需要 KL 兜住覆盖度，而「微调」阶段模型已有基本覆盖，TV 可以直接对齐验收标准。
两个残留问题：梯度消失与前缀乘积
其一是 TV 在「未被覆盖的 token」上梯度会消失——TV 只奖励把已覆盖的概率质量搬到目标分布上，对草稿完全没给出概率的区域推力很弱，容易形成覆盖空洞。
其二是接受长度类目标里的前缀乘积：一条草稿序列的期望接受长度是逐位置接受概率的连乘，靠后的位置因为前面位置的乘积因子而拿不到足够梯度。
TVP：以期望接受长度为目标的损失族
针对这两点，论文导出 TVP——一族基于期望接受长度的损失，用一个幂参数在「覆盖导向」与「接受导向」之间连续插值。
训练时把幂从 0 退火到 1：先用覆盖导向把空洞补上，再转向纯接受导向做精修。这个调度在三种草稿架构、三个目标模型上都取得最高或并列最高的接受长度，长草稿与块验证（block verification）设置下同样成立。
数字与边界
微调场景下 TVP 的接受长度比 CE 高 9.8%，比公开的 DFlash2 训练配方高 6.2% 到 12.9%。注意这三个百分比的分母不同（分别是 CE 基线与两套公开配方），不能相加或直接互比。
论文为单作者、25 页正文含 14 张表，实验规模与对照设置都写得比较细，但全部为作者自建实验；摘要页未附代码，复现需等作者放出实现或按推导自行重建。
本站仅据 arXiv 摘要页（E1）整理，未复现。9.8% / 6.2%~12.9% 为作者自述，三种基线分母不同，不能相互换算；摘要未给出绝对接受长度与端到端吞吐提升，接受长度提升不等于同比例加速（还受验证开销与草稿长度影响）；单作者工作，无第三方复现；摘要页检索未发现代码仓库。
本文基于论文原文摘要与方法章节整理，观点由编辑撰写；如与原文有出入，以 arXiv 原文为准。 内容为信息整理与技术评论，不构成投资或决策建议。 发现错误请通过站内纠错页提交（记录可查），修订记录只增不删。