이 연구는 투기적 확산 디코딩(SDD)에서 대상 모델이 매 블록마다 호출되는 검증 병목을 줄이기 위해, 선택된 드래프트 접두어를 검증 없이 그대로 채택하는 '검증자 스킵' 정책을 연구했다. 흥미롭게도 더 나은 토큰 예측기가 반드시 더 나은 스킵 스케줄러가 되는 것은 아니며, 스킵에는 연속된 고신뢰 접두어가 필요한 반면 짧은 스킵은 오히려 추가 드래프팅 라운드를 유발할 수 있음을 발견했다. HumanEval에서 DiffuCoder-7B-Instruct와 Qwen3-32B로 실험한 결과, 원시 신뢰도·학습된 주변/조건부 생존 점수 세 가지 신호 모두 동일한 pass@1 수준에서 검증자 호출을 9.6~13.5% 절감했으며, 놀랍게도 가장 단순한 원시 신뢰도가 가장 큰 절감 효과를 보였다. 이는 검증자 스킵의 핵심 난제가 토큰 예측 자체보다 접두어 스케줄링에 있음을 시사한다.

• •검증자를 건너뛰고 드래프트 접두어를 바로 채택하는 '검증자 스킵' 정책 제안
• •더 좋은 토큰 예측기가 반드시 더 좋은 스케줄러는 아니라는 점 발견
• •HumanEval에서 세 신뢰도 신호 모두 동일 pass@1에서 검증자 호출 9.6~13.5% 절감
• •원시 신뢰도가 학습된 생존 점수보다 오히려 더 큰 절감 효과
• •핵심 난제는 토큰 예측이 아니라 접두어 스케줄링임을 입증