草稿验证裁决模拟
推测解码的另一面：不看加速比公式，看裁决过程本身。草稿模型连赌 8 个 token，目标模型一次前向逐位验证——每位以 min(1, p/q) 的概率接受，首个拒绝处截断，全对则验证那次前向白赚 1 个 bonus。掷几轮看截断与白赚的节奏，再批量跑 300 轮，看实测平均产量贴上那条理论 E——正是「推测解码加速比」工具里的同一条公式。
纯前端带种子模拟：逐位按 min(1, p/q) 裁决，拒绝位重采按文章口径简化为「该位由目标模型自己出」并标注；理论 E 与 SpecSpeedupDemo 同式 E = (1−α^(k+1))/(1−α)，同种子完全可复现，零 API、零延迟。
裁决序列（逐位掷骰）
q=0.97
q=0.92
q=0.95
q=0.99
q=0.91
q=0.96
q=0.93
q=0.98
白赚
每位预设一组 p/q（目标 / 草稿对该 token 的概率），当前预设下每位接受率 min(1, p/q) = α = 0.70。 拒绝后的重采按文章口径本应按两分布之差抽样，此处简化为「该位由目标模型自己出」并标注。
每轮产出（最近 64 轮）
还没有轮次——点「掷骰一轮」开始记账。
深青柱 = 全对白赚 bonus（产出 9）；琥珀柱 = 开局即拒或只接到 1 位（产出 ≤ 2）。轮数拉满后，柱高的平均水平就是 E。
点「掷骰一轮」：8 位草稿逐位掷骰，按 min(1, p/q) 裁决——接受（青）直落、拒绝（琥珀）当场截断，全对则验证那次前向白赚第 9 个 token。
那边是公式账：E = (1−αK+1)/(1−α)、加速比 = E/(k·γ+1)，拧 α/γ/k 直接出答案—— 两边共享同一条 E，本页「理论期望 E」一卡就是它的口径。
这边是过程模拟：把 E 的每一轮来源演给你看——逐位掷骰、首个拒绝截断、全对白赚。 跑够轮数，实测平均产出会贴上同一条 E，公式与过程互为印证。
「输出分布不变」的拒绝采样构造证明留在文字里（见知识库《推测解码》），本页只演裁决过程本身；要算上草稿成本 γ 的净加速，去加速比工具拧旋钮。