层次RAG的LLM控制器若沿用串行语法约束解码,关键路径长且逐token前向,自由JSON易错,unary捷径丧失历史依赖。作者把动作语法编译成动作前缀树:一次根预填充加一次tree-causal probe,在块因果掩码和串行位置索引下并行求值全部可达状态;前缀状态引理保证精确算术下策略等价,深度降为2、不产生输出token。在QASPER多个文档不交split上,作者报告编译控制与串行策略在84–89%问题上动作序列一致,分歧均为浮点近tie,fp32重放显著缩小偏差;控制延迟比串行低35–47%,比理想chunked引擎低6–7%。probe还给出顺序边缘化MAP集认证和交互质量KL界;质量跟踪源策略,混合阈值可恢复一致但更慢。局限是宽度随动作数阶乘增长,四动作时撞上宽度墙。
为什么重要 对做层次 RAG/有限动作控制器的工程师:控制延迟降 35–47%、零输出令牌,且策略一致 84–89%,可直接替换串行语法解码适合 适合在有限动作 LLM 控制器、分层 RAG、推理引擎上做延迟优化的工程师
问题级一致
四分割,7B
平均延迟降幅
对比串行解码
集合级一致
部分分歧仅置换顺序
较 chunked 降幅
理想化chunked基线
fp32 图偏差
split A replay
注释 · 数字取自摘要与表1,MetaX C500 上四分割 7B;3B 为 87%/47%出自 摘要 & 表1
注释 · MetaX C500 上每问题整遍历墙钟,秒;D/E 为 fresh splits出自 §4.1 四臂

串行深度从约 9 次依赖前向换成一次根预填充+一次树因果探针,关键路径降到 2
一次前向处理 prompt 与强制开头语法,得到 slot-1 logits 与共享 KV,按 Eq.(1) 解析首个动作 a1
对 个前缀状态各自拼接串行解码会发出的精确强制 token 序列,二三百 token 量级
单次前向,块因果掩码下每行只注意缓存 prompt 与自身祖先,位置索引保持串行一致
每行最后位置即该前缀的动作分布,据此取 a2、a3,逐槽恢复贪婪链
探针使顺序边缘化后验可精确计算;分支限界证书 证明精确 MAP 集
注释 · 根预填充解析首个动作;探针一次性评估所有前缀条件分布出自 §3.2