DDSSM：用扩散模型替代高斯转移的扩散驱动状态空间模型

研究者提出扩散驱动状态空间模型 DDSSM，用扩散模型替代传统深度状态空间模型中的高斯潜在转移分布，解决了在序列数据上联合训练自编码器与扩散模型的开放问题。在具有多峰转移的模拟时间序列上，DDSSM 的拟合与预测表现优于当前最优的深度 SSM。该工作已被 ProbML 2026 Workshop Track 接收。