多任务神经扩散过程（MT-NDPs）：面向少样本任务自适应的不确定性回归

研究者提出多任务神经扩散过程（MT-NDPs），通过任务编码器从上下文观测中提取低维表示并对扩散模型进行任务条件化，实现跨相关任务的概率回归与少样本自适应。在风电数据和学校考试成绩两个真实应用中，MT-NDPs 在可用上下文观测时预测精度优于单任务扩散基线，并与神经过程和高斯过程方法表现相当。在风电应用中，较大上下文规模下 MT-NDPs 取得最低平均覆盖误差，预测不确定性校准更优。