學習目標：取樣就是重複擲硬幣——翻開一些、留下一些。每一格被翻開的機率只跟 schedule 有關（旁邊那個數字），而翻開時填什麼是從網路給的分布抽、不是取 argmax。翻開的字之後不會再改。

上排＝當前的 x_t（灰＝[MASK]、橘＝這一步剛翻開、藍＝之前翻開的）　下方曲線＝loss 的時間權重（線性 schedule 下是 1/t）　點任一個還被遮的格子看網路在那裡的分布

資料是一個 toy 文法：長度 16、字典 A B ( )，規則是「A 與 B 交替、且括號要配對」。按「下一步」看每一步翻開哪些格子——機率只跟 t 有關，和內容無關。把 N 從 16 降到 1：每步同時翻開的格子越來越多，最後一步就把全部 16 格一起填完。點一個還被遮的格子看它的分布：翻開時是從那四根柱子抽的。按 BERT 對照：BERT 只在一個固定的遮罩比例上訓練、權重是常數；masked diffusion 要對所有比例都學會，而且各比例的權重不一樣。