本研究提出了一种新方法，通过在训练中向输入嵌入添加随机噪声，解决了连续自回归模型在生成长序列时的误差积累问题。实验结果表明，该方法在音乐音频生成中显著提升了性能，为实时和交互式生成应用开辟了新方向。

本研究提出了掩蔽自回归模型（MAM4WF），解决了传统方法在长期天气预报中的误差积累和事件相关性不足的问题。通过数据掩蔽训练，模型增强了时空关系的学习能力，显著提升了预报效果。