EAGLE：投机采样需要重新思考特征不确定性

• 生命周期：推理解码加速（投机采样框架，无损）
• 部署形态：解码循环内轻量插件（自回归头 = FC + 1 层 decoder；目标模型冻结）
• 目标硬件：NVIDIA GPU，论文口径 FP16——Vicuna 7B 单卡 RTX 3090（24G）、LLaMA2-Chat 70B 用 4×A100 40G（第 6、8 页）
• 核心资源：解码延迟 · 草稿头训练（1–2 天/模型） · 显存余量（最大 batch −1）
• 证据状态：P 主导 + 官方仓库（R）+ 2 条论文引用外部资源（E）+ 4 条编辑推断（I）

一句话判断

对「单流/低并发、延迟敏感、能接受为每个目标模型一次性训练一个 0.24B–0.99B 草稿头」的自回归 LLM 服务，EAGLE 给出一条无损的加速路径：草稿不在 token 空间做，而是在目标 LLM 的第二层顶层特征（倒数第二层、LM Head 之前的隐藏态）上自回归，并把提前一个时间步的 token 喂进草稿模型以吸收采样随机性，再用树注意力草稿 + 目标模型一次前向验证。论文口径：MT-bench 贪心解码较逐 token 自回归加速 2.78x–3.07x（六个稠密模型，第 1 页图 1）、HumanEval 最高 3.76x（第 6 页表 1）、LLaMA2-Chat 70B 头条区间 2.7x–3.5x 且吞吐翻倍（第 1 页摘要）；与 Lookahead/Medusa 相比快 1.70x–2.08x / 1.47x–1.60x（第 5 页 §4.1）。边界同样清楚：batch 增大收益衰减（bs=4 时 LC70B 降至 2.40x、吞吐口径约 2x，第 8 页表 7）、显存略增（最大 batch 减一）、MoE 仅 1.50x（第 6 页表 3）、每个目标模型需单独训练草稿头。P I（适用判断为编辑观点）

3 分钟速读

1. 问题：逐 token 自回归慢；投机采样虽无损，但草稿模型难选——7B 目标没有合适草稿，7B 草稿反把 13B 拖慢（图 1 标 N/A）；TinyLLaMA 类小模型与 instruct 模板不一致且训练耗 3,000B token（EAGLE 只用 2–4B）；Lookahead/Medusa 草稿更省但准确率低（约 0.6 以下 vs EAGLE 约 0.8）（第 1–2 页 §1、图 1 注）。P
2. 观察一：特征级自回归比 token 级更规整——在第二层顶层特征上自回归、再用目标 LM Head 映射回 token，胜过直接预测 token：加速 1.9x vs 1.5x（Vicuna 7B、MT-bench、T=0，第 2–3 页图 4）。P
3. 观察二：下一个特征取决于采样结果而非仅由历史特征决定（图 3：f_I 之后 p(am)=0.6、p(always)=0.4）——EAGLE 把 token 序列提前一步输入草稿模型，每个分支携带自己的采样结果，歧义消除后加速从 1.9x 升到 2.8x（第 2 页 §1 + 图 3/图 4）。P
4. 机制：草稿模型 = 目标 Embedding（冻结）+ LM Head（冻结）+ 可训练自回归头（FC + 一层 decoder）；树注意力 5 次前向长一棵草稿树（根节点 k=4）；目标模型树注意力一次前向算全树概率，逐节点多轮投机采样决定接受/拒绝；输出分布与目标模型严格一致，贪心与非贪心都有理论保证（第 4–5 页 §3、第 12–13 页附录 A/算法 1）。P
5. 结果与边界：目标模型每次前向平均产出 3.2–4.5 个 token（表 1–2 的 τ）；MT-bench 贪心 2.78x–3.07x、代码任务最高 3.76x、Mixtral 8x7B 仅 1.50x；batch=4 时收益收窄至 2.40x–2.76x、吞吐口径约 2x；草稿头训练 1–2 天（70B 用 4×A100 40G），与 gpt-fast 组合达 160.4 tokens/s（RTX 3090、int4）（第 5–8 页 §4 + 表 1–7）。P I（综合）

论文声称的主要结果

术语与记号

特征（feature）

目标 LLM 倒数第二层（第二层顶层）在 LM Head 之前的隐藏态 f；EAGLE 的自回归对象（第 3 页 §2）。

提前一步的 token（token 序列 shift）

草稿模型预测 f̂ⱼ₊₁ 时，token 输入取到 tⱼ₊₁（刚采样出的那个），即 Draft_Model(T₂:ᵢ₊₁, F₁:ᵢ)；让每个分支显式吸收自己的采样结果（第 4 页 §3.1/§3.2）。

自回归头（Autoregression Head）

唯一可训练模块：FC 层（2×hidden→hidden）+ 一层 decoder；整个插件即「单个 transformer decoder 层」量级（第 3–4 页 §1/§3.1）。

树注意力（tree attention）

草稿树内每个候选只关注自己的祖先；目标模型借此一次前向得到全树概率（第 4–5 页 §3.1/§3.3）。

多轮投机采样

树草稿版接受算法：逐候选 r<p/p̂ 则接受，否则 p←norm(max(0,p−p̂)) 换下一候选，全拒绝才从调整后分布采样；与 SpecInfer 一致（第 12–13 页附录 A.2/算法 1）。

τ 与 n-α

τ = 目标模型每次前向被接受的 token 数；α 用链式草稿（无树）测量，n-α = 前 n 个特征预测有误时的接受率（第 5 页 §4 Metrics）。

无损（lossless）

输出分布与目标模型一致——贪心与非贪心均有理论保证；论文因此不重复评测生成质量（第 5 页 §3.3/§4）。

论文出处

《EAGLE: Speculative Sampling Requires Rethinking Feature Uncertainty》，ICML 2024（PDF 元数据）；作者 Yuhui Li、Fangyun Wei、Chao Zhang、Hongyang Zhang；本地文件 06_EAGLE_2401.15077.pdf。

问题背景

逐 token 解码是延迟瓶颈，投机采样是无损解法但有前提

自回归解码逐 token 生成，是 LLM 推理慢且贵的主流路径；投机采样把流程拆成「低开销草稿 + 对整段草稿的一次并行验证」，验证保证文本分布与原模型解码严格一致（接受概率 min(1, p/q)，拒绝后从 norm(max(0, p−q)) 重采样；第 2–3 页 §1–§2）。P

前提一：得先有一个「像原模型又足够小」的草稿模型——这经常不成立

• 同系列小模型只在尾部存在：LLaMA2 系列可以用 7B 草 70B，但给 7B 找草稿无解；拿 7B 草 13B 会因草稿开销过大反而慢于逐 token 解码（图 1 标 N/A）。P（第 1–2 页）
• TinyLLaMA 类独立小模型因 instruct 模板不一致而不适用于 chat 模型；且其训练耗 3,000B token，EAGLE 的训练只要 2–4B token。P（第 2 页 §1）

前提二：低开销草稿器准确率不足

Lookahead 用 n-gram + Jacobi 迭代，Medusa 用一组 MLP 从第二层顶层特征直接预测多个未来 token——草稿变便宜了，但准确率受限：Medusa 约 0.6、Lookahead 更低，EAGLE 约 0.8（第 2 页 §1）。P

论文的两个关键观察（本页机制的出发点）

1. 特征级自回归更「直」：token 序列只是自然语言的离散变换，特征序列（第二层顶层）更有规律；先在特征上自回归、再用目标 LM Head 映射回 token，优于直接预测 token——加速 1.9x vs 1.5x（Vicuna 7B、MT-bench、T=0）。P（第 2 页 §1 + 第 3 页图 4）
2. 采样随机性污染特征预测：f_I 之后下一特征取决于采样出「am」（p=0.6）还是「always」（p=0.4），仅凭 f_I 无法确定——Medusa 预测带空格 token 时也面临同类歧义。EAGLE 把 token 序列提前一步输入草稿模型：预测 f_always 用 (f_I, t_always)，预测 f_am 用 (f_I, t_am)——加速进一步升到 2.8x。P（第 2 页图 3 + §1）

基线格局

逐 token 自回归（vanilla）；同系列小模型投机采样（草稿长度 2–10 扫描取最优）；DistillSpec（与 EAGLE 同数据蒸馏 + FKL 散度）；Lookahead 与 Medusa（加速比取自其原技术报告，论文未复跑）；以及各类带 relaxations 的有损/阈值方法（DistillSpec lenience、BiLD 距离阈值、Medusa 截断阈值）——EAGLE 不做任何松弛（第 1、5、8–9 页）。P

本页使用的加速口径

与全站一致：本文是batch=1 的单流解码延迟口径（墙钟加速比、τ、n-α），吞吐只在 §4.4 单独测；两套口径不可混用，跨论文横比被禁止。P I（口径整理）

核心机制

EAGLE 与其他投机采样方法共享「草稿 + 验证」骨架，差异集中在草稿阶段：对齐方式（特征 + 提前一步 token）、树状草稿、以及与之配套的多轮接受算法。以下小节除标注外均为论文事实。P

1 · 输入对齐：第二层顶层特征 + 提前一步的 token（第 4 页 §3.1 + 图 5）

预测 f₃ 用特征序列 (f₁, f₂) 与提前一个时间步的 token 序列 (t₂, t₃)：p₄ = LM Head(f₃) 采样出 t₄ 后，(f₂, f₃) 与 (t₃, t₄) 拼接继续预测 f₄……训练目标写成一般式即 L_reg = SmoothL1(fᵢ₊₁, Draft_Model(T₂:ᵢ₊₁, F₁:ᵢ))。对照：Medusa 用目标模型的单个特征 f₂ 独立预测 t₄、t₅，分支间无采样信息。P

2 · 草稿模型三模块：两冻一训（第 4 页 §3.1 + 图 6）

• Embedding 层与 LM Head：直接用目标 LLM 参数，不训练（图 6 雪花标记）。P
• 自回归头（可训练）：FC 层把拼接后的 2×hidden 降回 hidden，再接一层 decoder 预测下一特征；预测特征与采样 token 重新拼接作为下一步输入。输入形状：特征 (bs, seq, hidden) + token (bs, seq)。P
• 整个插件即论文所称「单个 transformer decoder 层」量级，目标模型零改动。P（第 3 页 §1）

3 · 树状草稿：5 次前向长一棵树（第 4 页 §3.1 + 第 12 页附录 A.1）

用树注意力把逐层扩展组织成树：深度 m 的树经 m 次前向产生多于 m 个候选（图 6 示例：3 次前向得 10-token 树）。实际结构（附录 A.1）：贪心时每节点取概率 top-k 子节点、非贪心时采样 k 个；根节点 k=4；草稿固定 5 次前向（树/链相同）；树形凭直觉设计——「高概率分支更深更宽」，未做精调，全部模型与实验共用同一棵；论文同时指出最优树可能随场景变化（batch 变大时更小的树可能更好）。P 图 9 各层节点数（4/8/8/3/2）为编辑对渲染页的目测计数，论文文字只给出 k=4 与 5 次前向。I

4 · 训练目标与数据（第 4–5 页 §3.2–§3.3）

• 损失：L = L_reg + w_cls·L_cls，w_cls = 0.1（分类项数值约大一个量级）；L_cls 为「真特征过 LM Head 的分布 pᵢ₊₂」与「预测特征过 LM Head 的分布 p̂ᵢ₊₂」的交叉熵——特征回归是中间目标，分类直接对齐最终 token 目标。P
• 抗误差累积：训练时对目标特征加 U(−0.1, 0.1) 均匀噪声（NEFTune 式增广，引 Jain et al. 2023）。P
• 数据与超参：固定 ShareGPT 数据集 68,000 对话；lr 3e-5；AdamW β=(0.9, 0.95)；梯度裁剪 0.5；目标模型全程冻结。可训练参数：0.24B（7B）/ 0.37B（13B）/ 0.56B（33B）/ 0.99B（70B）/ 0.28B（Mixtral 8x7B）。P
• 数据不敏感：改用目标模型自生成的答案训练仅 2.88x vs 固定集 2.78x（LC7B、MT-bench、T=0，表 6）——用固定数据集压成本成立。P

5 · 验证：目标模型一次前向 + 多轮投机采样（第 5 页 §3.3 + 第 12–13 页附录 A.2/算法 1）

树注意力下，目标 LLM 一次前向得到草稿树中每个 token 的概率；随后在每个节点递归执行多轮投机采样：r < p(t)/p̂(t) 则接受该 token；否则 p ← norm(max(0, p(t) − p̂(t))) 换下一候选；全部候选被拒绝才从调整后分布直接采样。该流程与 SpecInfer 一致；被接受 token连同其目标特征被记录，作为下一轮草稿的输入——因此验证不产生额外前向开销。输出分布与目标 LLM 对齐。P

6 · 无损性与对照方法的分界（第 3、5、8–9 页）

无损性对贪心与非贪心都有理论保证；论文据此明确「评测生成质量既无必要也无意义」（第 5 页 §4）。对照：Lookahead 只覆盖贪心；Medusa 非贪心不保证分布一致；DistillSpec/BiLD/Medusa 都在接受判据上做松弛（lenience/距离阈值/截断阈值），EAGLE 不做任何松弛（第 8–9 页 §5）。P

7 · 三组消融支撑设计选择（第 5–8 页 §4.1/§4.3）

• 树注意力：τ 提高 0.62–0.75（表 5），加速比 +0.3–0.5、不增前向次数但增每前向 token 数；不用树的链式口径仍有约 2.3x–2.7x。P
• 输入类型（Vicuna 7B、图 8）：参数受限时特征略胜 token；特征+token 合并因离散无错 token 缓解特征误差累积而再有提升；「提前一步」贡献最大且不增加复杂度。P
• 训练数据（表 6）：目标模型自生成数据仅边际更优（2.88x vs 2.78x）——低数据敏感度支撑固定数据集方案。P

GPU / 系统数据路径

端到端文字序列

1. ① 上下文：查询与已确认 token 序列 T₁..ⱼ 及其 KV 缓存就绪；序列各位置的第二层顶层特征 F₁..ⱼ 随验证前向保留（第 5 页 §3.3「记录被接受 token 及其特征」）。P
2. ② 对照路径（理解用）：通用投机采样由同系列小模型起草 token 链；7B 目标无草稿可用、7B 草稿拖慢 13B——EAGLE 针对的正是这一前提缺口（第 1–2 页 §1 + 图 1 注）。P
3. ③ 目标前向（本轮锚点）：目标 LLM 一次前向产出第二层顶层特征 fⱼ 并经（冻结的）LM Head 采样 tⱼ₊₁——与逐 token 解码完全一致；下一轮起该前向由验证阶段兼任（第 3 页 §2、第 5 页 §3.3）。P
4. ④ 草稿一层：自回归头取 (fⱼ, tⱼ₊₁)：token 过（冻结的）Embedding 后与特征拼成 2×hidden，FC 降维 → 一层 decoder → f̂ⱼ₊₁ →（冻结的）LM Head → 分布，扩展 k 个子节点（根 k=4）；每分支携带自己的采样 token，歧义消除（第 4 页 §3.1、第 12 页附录 A.1、第 2 页图 3）。P
5. ⑤ 树生长：共 5 次草稿前向得到一棵树注意力草稿树；候选路径各自携带 token 序列；高概率分支更深更宽（第 4 页 §3.1 + 图 6、第 12 页附录 A.1）。P
6. ⑥ 验证（无损）：目标模型树注意力一次前向得全树概率；逐节点多轮投机采样接受/调整-重采样；输出分布与目标模型一致（第 5 页 §3.3、第 12–13 页附录 A.2/算法 1）。P
7. ⑦ 并回与循环：被接受 token 及其目标特征并回上下文（KV 与特征序列同步追加），进入下一轮草稿-验证；退出循环即输出最终文本（第 5 页 §3.3）。该端到端闭环为本页编辑装配（各环节均为论文事实）。P I（装配）

架构权衡

云上部署映射

本节为部署映射：论文硬件事实标 P，云产品对应标 E（厂商中立示例、非推荐，参数与价格以云厂商文档为准，本站未联网核验），运维建议/推断标 I。边界声明：EAGLE 论文只测 standalone 解码循环（batch=1 为主），未测任何服务框架集成（无 vLLM/SGLang/TGI 数据）——服务化集成的所有表述均为编辑推断。EAGLE 是解码算法层插件，论文不涉及跨节点网络与存储架构。

成本 / 性能 / SLO

论文的性能口径与结果条件

容量规划变量（SLO 达成率的自变量）

• batch/并发：加速比随 batch 单调走低（表 7）；SLO 承诺必须绑定 batch 口径。P
• 采样温度：T=1 收益系统性低于 T=0（LC13B 2.66x–2.89x vs 3.01x–3.76x）。P
• 任务/负载类型：代码类（固定模板）最高 3.76x；对话类 MT-bench 2.78x–3.07x（T=0）。P
• 树规模：全部实验用同一棵树（根 k=4、5 次前向）；论文明确未精调、大 batch 下应缩小——这是留给部署方的调优空间。P（存在性与默认值） I（调优空间）
• 显存余量：最大 batch 折损 8→7 / 5→4（FP16），决定并发容量上限。P
• 模型架构：MoE 目标按 1.5x 级别单列预期（表 3）。P

成本模型（参数化，非论文结论）

论文不含成本数据（只有加速比/τ/α 与 tokens/s）。架构师可用下式估算（I，价格项为参数）：

一次性成本 ≈ p_gpu × N_GPU × T_train（1–2 天）…（公式 1）；摊销后单查询增量 ≈ 公式 1 ÷ Q lifetime；每百万 token 收益 ≈ (1 − 1/S) × 原 token 成本，S 为同条件实测加速比 …（公式 2）

• p_gpu × N_GPU：训练实例时租价（A100 40G ×4 对应 70B 头；≤33B 头可用 RTX 3090 级节点，第 3 页，P 条件、E 价格）；
• S：必须用与线上一致的 batch/温度/任务实测，不得直接引用摘要区间（2.7x–3.5x 为 LC70B 跨任务聚合，第 1 页，P）；
• 敏感项：batch↑ → S↓（表 7）；温度↑ → S↓（表 1）；MoE → S≈1.5x（表 3）；组合量化/编译可再叠加（gpt-fast 160.4 tokens/s，表 4）；树开关影响 τ 与算力余量（§4.3.1/§4.4）。

SLO 提示：无损性意味着切换 EAGLE 不改变输出分布——延迟 SLO 可以独立于质量评测推进（论文原话：质量评测「既无必要也无意义」，第 5 页）；但加速比的 SLO 承诺必须按 batch×温度×任务三条件收敛后给出。P（无损） I（SLO 方法）

安全与可运维性

论文披露范围

• 论文未涉及多租户隔离、数据驻留、权限与故障恢复议题——以下部署要点除标注论文事实外均为编辑推断。I
• 官方仓库：论文首页印有 github.com/SafeAILab/EAGLE（R；2026-09-15 核验可达 HTTP 200；论文未提供 commit/tag，使用时应自行锁定版本）。
• 训练数据：固定 ShareGPT 数据集（68k 对话）——第三方对话数据的许可与合规由使用方自行核对，论文未讨论（P 数据事实；I 合规提醒）。

部署方必须自行覆盖的项

适用 / 不适用场景

适用（触发条件 → 理由）

1. 单流/低并发、延迟敏感的交互式服务：触发条件——chat/agent 类 bs≈1 场景，端到端延迟由解码主导。理由——MT-bench 贪心 2.78x–3.07x、非贪心 2.13x–2.68x（六模型，第 1–2 页图 1/图 2）；batch=1 正是论文主口径（第 5 页 §4）。P
2. 代码生成/固定模板占比高的负载：触发条件——HumanEval 类任务或高模板密度输出。理由——HumanEval 全表最高 3.76x（LC13B，T=0，表 1），论文归因于固定模板易起草（第 5 页 §4.1）。P
3. 不允许输出分布漂移的产品：触发条件——内容合规/回归测试要求与基模型逐位同分布。理由——无损性对贪心与非贪心均有理论保证，且不做接受松弛（第 3、5、8–9 页）。P
4. 想叠加量化/编译的推理栈：触发条件——已用或计划用 gpt-fast 类量化编译方案。理由——组合后 LC7B 在单卡 3090 达 160.4 tokens/s（int4，表 4），论文明确宣称可与其他加速正交组合（第 3 页 §1）。P
5. 能承担一次性草稿头训练的团队：触发条件——目标模型相对固定、查询量足以摊销。理由——训练 1–2 天（70B：4×A100 40G；≤33B：RTX 3090 节点）、0.24B–0.99B 参数、固定 ShareGPT 数据即可（第 3、5 页；数据不敏感消融表 6）。P

不适用（触发条件 → 理由）

1. 高并发吞吐型服务：触发条件——大 batch 持续运行（bs≥4 且算力饱和）。理由——加速比随 batch 走低（LC70B bs=4 2.40x），吞吐口径仅约 2x，且最大 batch 减一（第 8 页 §4.4 + 表 7）。P
2. MoE 目标模型为主的部署：触发条件——Mixtral 类稀疏激活模型。理由——1.50x（τ 3.25），论文归因于验证需读更多专家权重（第 6 页表 3 + §4.1）。P
3. 目标模型高频迭代且无训练流水线：触发条件——底座频繁升级/切换。理由——草稿头按目标模型一对一训练（1–2 天），模型换则头换（第 3 页 §1）。P I（运维判断）
4. 显存余量极端紧张的单卡场景：触发条件——24G 内已接近最大 batch 运行。理由——EAGLE 显存略增使最大 batch 8→7（V7B/24G 口径，第 8 页 §4.4）。P
5. 需要即刻获得收益、无法改动解码循环的服务：触发条件——宿主框架不支持投机采样接口或不允许改解码循环。理由——论文只验证 standalone 解码循环，服务框架集成未被评测；集成改造在框架侧（I），无集成面时收益无从兑现（第 5 页 §4 口径 + 缺口声明）。P I（适用判断）

实验与指标

复现实验的完整条件（论文口径）

关键结果（均带条件）

公平性限制与已知差异

• 对照数字来源不一：Lookahead/Medusa 的加速比取自其原技术报告而未复跑（图 1 注）；DistillSpec 经同数据+FKL 重训后仅边际提升——跨方法数字并非同一环境实测。P（第 1、5 页） I（口径提示）
• 结论区间与图表的出入（原文照录，不调和）：结论称「MT-bench 上 2.1x–3.8x」，但 MT-bench 可复得逐模型最大值为 3.07x（贪心）/2.68x（非贪心），3.76x 出现在表 1 HumanEval；vs Lookahead/Medusa 区间在 §1/§6 与 §4.1 间有细微出入。P（引文） I（编辑标注）
• 披露缺口：表 1/2/3/5/6/8 与图 4/8 未逐表复述硬件与精度（仅 §4.2/§4.4 明示）；本页一律记「论文未明确披露」，不臆测。I
• 服务化缺口：论文未测任何服务框架集成；跨论文（如与 FlashInfer/Medusa/KIVI 的服务化数字）比较被禁止。I
• 图柱配对方法：图 1/图 2 的柱-模型配对依赖渲染页目视核验与表 7 双点锚定，纯文本提取不足为凭（台账 C40）。I

建议复现路径

论文给出官方仓库与完整超参；以下步骤顺序为编辑建议（I），配置项均出自论文（P）：

1. 获取官方仓库 github.com/SafeAILab/EAGLE（论文首页给出；建议锁定明确 commit/tag 后再复现）；
2. 对齐训练口径：目标模型冻结；ShareGPT 68,000 对话、lr 3e-5、AdamW(0.9, 0.95)、裁剪 0.5、特征噪声 U(−0.1, 0.1)、w_cls=0.1（第 4–5 页）；
3. 构建草稿树：根 k=4、贪心 top-k（或非贪心采样 k）、草稿 5 次前向；全部对比保持同一结构（第 12 页附录 A.1）；
4. 评测矩阵：六稠密模型（+Mixtral）× 四数据集 × T∈{0,1} × batch 1；记录墙钟加速比、τ、链式口径 n-α（第 5–6 页）；
5. 扩展复刻：树/链消融（表 5）、输入类型消融（图 8）、训练数据消融（表 6）、batch/吞吐（表 7，FP16、指定显存约束）、gpt-fast 组合（表 4）；输出与论文数值的偏差先核草稿头训练随机性与树结构一致再论结论。

论文 / 链接 / 延伸阅读

论文引用的关联工作（SpecInfer、DistillSpec、BiLD、Lookahead、Medusa、Self-Speculative Decoding 等）仅按论文转述；除 arXiv 与官方仓库外本页不提供任何外部链接。上一篇：FlashInfer（05）；下一篇：Medusa（07）；或从首页目录进入。

给架构师的决策清单

证据台账

分级（本论文台账 schema：sources/eagle.evidence.json）：P = 论文正文/附录/图表（锚定 PDF 页码/章节）；R = 论文首页给出的官方仓库（可达性本次核验，commit/tag 论文未提供）；E = 论文引用的外部资源（对照方法仓库/数据集，仅作背景）；I = 编辑推断。页码口径：PDF 印刷页脚编号 1–13 与 PDF 页序逐页一致。图 1/图 2 柱-模型配对经渲染页目视核验并以表 7 双点锚定。最后核验日期：2026-09-15。

数据与文件说明：本页全部性能数字与机制描述均取自论文《EAGLE: Speculative Sampling Requires Rethinking Feature Uncertainty》（arXiv:2401.15077v3，ICML 2024）的提取文本与渲染页核验，并通过 sources/eagle.summary.json 与 sources/eagle.evidence.json 逐条对应（claims 40 条、performance_rows 18 行，行行带硬件/模型/精度/负载/基线/定位字段，缺失字段记「论文未明确披露」）。编辑推断与部署建议已用 I 标注；本页外链仅 arXiv 与官方仓库两处（HTTPS + rel="noopener noreferrer"）。数据路径图 assets/diagrams/eagle-data-path.svg（含 title/desc 无障碍描述；树拓扑为编辑示意）。台账外不捏造任何数字、出处或日期。