让 AI 写回答，通常像逐字落笔：每次只预测下一个词元——也就是一个汉字、词的一部分或标点——后一步还要等前一步。这篇论文提出 Progressive Tree Drafting（PTD，渐进式树状起草），想在不训练额外模型的前提下，从这种自回归生成中挤出更多并行度。它采用投机解码：先猜出若干后续，再交给主模型批量核验，猜中的部分可以整段采用。
关键不只是“多猜几条”，而是把草稿组织成一棵逐步生长的树。作者分析既有 Self-Draft 方法后发现，超过一半的解码步骤中，都有分支相似度高于 80%；多条草稿看似并行，实际可能在重复写相近内容。PTD 让相同前缀共用树干，再逐轮扩展不同候选，并通过分步剪枝和宽度、深度限制，砍掉希望较小或成本过高的分支。这样既保留多种可能，也避免候选树无限膨胀。作者称该方法无需额外模块、可适配不同模型，并在多个基准上获得解码加速；但所给原文未显示具体加速数字。