https://xiejiayun.github.io/tags/%E5%AD%A6%E6%9C%AF%E5%89%8D%E6%B2%BF/Recent content in 学术前沿 on Jiayun's BlogHugozh-cnFri, 15 May 2026 00:00:00 +0000https://xiejiayun.github.io/post/politepaxos-sysmobench-consensus-formal-modeling-2026/Fri, 15 May 2026 00:00:00 +0000https://xiejiayun.github.io/post/politepaxos-sysmobench-consensus-formal-modeling-2026/<blockquote> <p><strong>核心观点</strong>：分布式共识研究在过去 25 年（Paxos 1998 → Raft 2014 → 各种变体）形成了一套相对稳定的范式。Murat Demirbas 团队 2026 年提出的 <strong>PolitePaxos</strong> 把一个长期被忽视的角度 —— &ldquo;proposer 不强行获取多数派承诺，而是先礼貌询问&rdquo; —— 重新挖出来，在某些 workload 下有可观的延迟收益。但更有意思的是同一团队的 <strong>SysMoBench</strong>：他们把&quot;用 AI 帮人类做 TLA+ / 形式化建模&quot;这件事第一次系统性地评测了。结果是：今天最强的 AI 在系统建模上只是&quot;中等本科生水平&quot;，但这条赛道是未来 5 年最值得跟踪的&quot;AI 进入硬科学&quot;指标之一。</p>https://xiejiayun.github.io/post/protein-language-models-function-prediction-2026/Mon, 04 May 2026 00:00:00 +0000https://xiejiayun.github.io/post/protein-language-models-function-prediction-2026/<h2 id="一alphafold-之后的真问题">一、AlphaFold 之后的真问题</h2> <p>2021 年 AlphaFold 2 让&quot;给序列预测三维结构&quot;从一个开放科学难题变成一个工程问题。但生物学界很快意识到：<strong>结构只是开始</strong>。一个蛋白质有结构不代表知道它的功能，更不代表能按需设计一个新蛋白质来执行特定任务。2024-2026 这三年，蛋白质 AI 的研究重心彻底转向了三件事：</p>https://xiejiayun.github.io/post/speculative-decoding-block-verification-2026/Thu, 30 Apr 2026 00:00:00 +0000https://xiejiayun.github.io/post/speculative-decoding-block-verification-2026/<h2 id="当推理速度提升-3-倍不再靠更大的-gpu而靠先猜后验的算法">当推理速度提升 3 倍不再靠更大的 GPU，而靠&quot;先猜后验&quot;的算法</h2> <p>2026 年 4 月底 arXiv 上挂出一篇看起来不起眼但分量很重的论文：<em>SpecTr-GBV: Multi-Draft Block Verification Accelerating Speculative Decoding</em>。它把 speculative decoding 的吞吐推到了一个新台阶——在不损失生成质量的前提下，对 70B 级别模型实现了 <strong>3.4× 端到端吞吐提升</strong>，关键创新是放弃了&quot;单 draft 模型 + 逐 token 验证&quot;的经典范式，改成&quot;多 draft 并行 + 块级一次性验证&quot;。</p>