本研究提出了一种新颖的C2T方法，解决了推测解码在构建令牌树和验证候选令牌时的低效问题。该方法通过轻量级分类器动态生成和修剪令牌树，显著提高性能，减少候选令牌总数25%，同时保持或改善接受长度。

本研究提出了一种名为MOWA的多合一图像变形模型，通过分离运动估计和引入轻量级分类器，为不同的变形任务提供动态的任务感知图像变形。实验证明，MOWA模型在六个任务的训练中表现优于最先进的任务特定模型，并具有泛化能力。代码将公开可用。