本研究提出了一种新的掩蔽条件扩散模型（MacDiff），有效解决了自监督学习中骨架表示能力不足的问题。MacDiff在表示学习基准测试中表现优异，并在生成任务中取得良好效果，尤其在有限标记数据场景下，通过数据增强显著提升微调性能。