MDTIM：用掩码扩散训练离散化连续时间序列完成插补

MDTIM 针对时间序列插补的两个具体瓶颈做了改动：一是把缺失值与观测值放在同一表示空间的问题，改用与有效观测结构正交的 [MASK] 标记来区分；二是连续扩散需多步迭代去噪才能恢复缺失值，改为训练模型直接从观测值预测缺失值。为衔接离散掩码扩散与时间序列的连续有序特性，作者还引入随机离散化，把连续值映射为保留连续动态的有序感知 token。论文报告在多个基准和不同缺失场景下优于确定性及生成式基线，适合做时序补全的研究者据此比较其表示分离与直接预测思路，但结论仍限于论文实验条件。