DiffDiff：把可预测性差异嵌入扩散轨迹

Chen Su、Yuanhe Tian、Yan Song 提出扩散框架 DiffDiff，将时间序列中“历史可锚定部分”与“高频残差不确定性”之间的可预测性差异直接嵌入扩散轨迹：前向算子随步数从目标本身逐步转向二阶差分结构，使单一端到端扩散过程能区分目标中哪些部分已可由历史锚定。 作者称，在四个预测跨度、七个基准上，DiffDiff 优于六个扩散基线，且终端分布接近标准高斯，兼容现有采样器。该工作已被 NeurIPS 2026 接收。

AI 根据报道生成 · 45 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。