DDTree 深度解析：从 Block Diffusion 到 Diffusion Draft Tree

论文：Accelerating Speculative Decoding with Block Diffusion Draft Trees
作者：Liran Ringel, Yaniv Romano (Technion)
arXiv: 2604.12989 (2026.4.14)
代码：https://github.com/liranringel/ddtree

一、问题意识：DFlash 的"浪费"

DFlash 用 block diffusion 一次前向传播生成整个 token block 的 marginal distributions，但只验证单条轨迹。这意味着：

• 每个位置 i 的分布 qi 包含大量信息
• 但 DFlash 只采样一条路径，其余概率质量被丢弃
• 如果能利用这些 per-position distributions 探索多条候选路径，可能大幅提升接受率

核心挑战：如何在固定计算预算（node budget B）下，从 per-position marginals 中选择最有价值的候选路径集合？

二、核心贡献：DDTree 三步走

2.1 数学框架

设定：

• 当前上下文 c，bonus token b（