回收目标模型自身的预测可以为推测解码提供无需训练的提案。在视觉语言模型中，现有的回收方法仅以最后一个 token 为键索引预测，导致在不同图像和前缀下计算的预测被混淆；我们发现这种复用在图像敏感的解码状态下失败率最高。使用更长的键可以降低别名冲突，但匹配的状态更少。为此我们提出 RECAP（\method），它在一、二、三 token 键下存储目标预测：请求本地记忆仅在当前请求内存在，天然受该请求的图像条件；而 token 级别记忆跨请求持久保存，以提升覆盖率。每次查询时，基于熵‑置信度的加权将检索到的预测按键的特异性和集中度进行融合。随后采用最佳优先搜索将融合后的转移构建为候选树，并补充后缀匹配的续写；最后一次目标模型的贪婪解码验证整棵树。该方法无需额外训练或草稿模型，在七个单轮基准上对 Qwen2.5‑VL‑7B 与 LLaVA‑1.6‑7B 实现平均加速 $1.66\times$ 与 $1.56\times$，优于最强的无训练基线 Token Recycling（$1.51\times$ 与 $1.37\times$）。代码已开源：https://github.com/Senmo996/RECAP-official-code。
点评：RECAP 通过细粒度键和双层记忆机制，有效缓解了跨图像预测冲突，在保持零训练成本的前提下实现了显著的推理加速，展示了预测回收在多模态推测解码中的实用价值。