让 AI 加速写答案，有点像请助理先起草几词，再交给主笔一次验收。问题是，传统草稿常排成一条链：开头一个词猜错，后面即使有可用内容，也会随整段一起作废。Li 等人提出 PCTree，把这条链改成树，让候选词明确依赖各自的父节点，从而保留多条可能的续写路线。
它利用 DSpark——一种先并行生成整块候选、再用轻量 Markov head 补上前后依赖的草稿模型——已经学到的条件关系。PCTree 会针对每个具体父节点分别给子节点打分，再把固定的验收预算分给概率最高的路径。关键在于，这项改动只发生在推理阶段：无需重新训练，也不增加负责整块草稿的主干网络计算次数；多个父节点的评分还能批量完成。
作者称，在 Qwen3 4B、8B、14B 和九个基准上，PCTree 相比匹配设置下的 DSpark，在每个“模型—任务”组合中都提高了平均接受长度，并带来端到端提速。不过，树的构建与验收本身也有额外开销，只有多接受一些词、减少验收轮次，收益才真正成立；供稿文本中的具体数值缺失，因此这里不作量化转述。