DiffDiff扩散时序预测框架被NeurIPS 2026接收

Chen Su等提出DiffDiff，一个面向轨迹时间序列预测的扩散框架，将可预测性不对称性嵌入扩散轨迹：前向算子随步数变化，使噪声中间态从目标值逐步转向二阶差分结构，并以阶段自适应门控为去噪器同时提供数值域与差分历史信息。论文camera-ready版本已发布，该工作被NeurIPS 2026接收。 据论文实验结果，在四个预测长度下的七个基准上，DiffDiff优于六个扩散基线；其终端分布接近标准高斯，可兼容现有采样器。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。