苹果公司在最新研究中取得突破性进展，推出了一项名为“多token预测”（MTP）的技术。这项技术旨在显著提升大语言模型的响应速度，同时保持输出质量不受影响。据科技媒体9to5Mac报道，MTP技术能够将大语言模型的响应速度提高2至3倍，在特定场景下甚至可以达到5倍的提升。
传统的大语言模型在生成文本时，通常采用自回归方式，即逐个输出token。这种方式虽然保证了文本的连贯性，但每一步都依赖于前序内容，导致生成速度受限。例如，在生成句子“The cat is black”时，模型需要在输出“is”后，基于上下文和训练经验，从词汇表中计算“black”等候选词的概率，再选择最合适的词。这种串行机制在移动设备上尤为影响用户体验。
然而，苹果的研究团队在最新论文《Your LLM Knows the Future: Uncovering Its Multi-Token Prediction Potential》中发现，尽管模型被训练为预测下一个词，但其内部实际上具备对后续多个词的潜在判断能力。基于这一发现，研究团队提出了MTP框架，支持模型一次生成多个词，从而大幅提升生成效率。
MTP技术的核心在于引入“掩码”（Mask）token作为占位符，并让模型并行推测后续多个词。每个推测结果会立即与标准自回归解码结果进行对比，如果不符，则自动回退到逐词生成模式，以确保输出质量不受影响。这种“推测-验证”机制在提速的同时，保留了传统方法的准确性，实现了速度与质量的平衡。
为了验证MTP技术的有效性，研究团队基于开源模型Tulu3-8B进行了实验。实验中，苹果训练模型最多推测8个后续token。结果显示，在问答和对话等通用任务中，响应速度平均提升了2至3倍；在代码生成、数学推理等结构化场景中，提速更是达到了5倍。这一性能提升并未以牺牲生成质量为代价，关键在于采用了“门控LoRA适配”技术，动态调节参数，仅在需要时激活推测模块。
MTP技术的推出为设备端大模型部署提供了新的路径。相比依赖云端计算，MTP技术可以在iPhone、Mac等本地设备上实现更快响应，降低延迟和能耗。这一技术兼容现有模型架构，具备较强的落地潜力。未来，苹果或将MTP技术集成至Siri、Apple Intelligence等产品中，进一步提升用户交互体验。
