في عالم التنبؤ الزمني، تعتبر النماذج الانتشارية (Diffusion Models) من الأدوات الأساسية للتنبؤ بالقيم المستقبلية استنادًا إلى تاريخ مشاهد. لكن هنا تظهر مشكلة كبيرة: المستقبل يكمل التاريخ الملاحظ، مما يُدخل عدم تناسق تحاول النماذج التقليدية تجاهله.

نموذج DiffDiff يعالج هذه المشكلة عبر دمج عدم التناسق في عملية انتشار البيانات نفسها، مما يسمح للنموذج بأن يكون مدركاً للأجزاء التي يمكن أن يثبتها التاريخ.

وثّقت الأبحاث الجديدة، كما ورد في arXiv، أن DiffDiff يتفوق على ستة نماذج انتشار سابقة في سبعة مراجع مختلفة، مع التركيز على مكونات الهدف الأكثر عدم يقينًا، مما يسهل التنبؤ دون الحاجة إلى بناء المحتوى المرتبط بالتاريخ.

استخدام نموذج DiffDiff يُعتبر ثورة في آلية تنبؤ قيم الزمن، حيث يُحدث خطوة هامة نحو تحسين دقة التنبؤات ودعم الأبحاث المستقبلية في هذا المجال.