學習目標：同一份資料、同一個（完美的）網路，只換 forward chain。absorbing 翻開就固定——像 ODE；uniform 每一步都能改任何字——像 SDE。但 uniform 的代價是模型分不清哪些字是噪聲。

兩排是同一條長度 16 的 0/1 序列（資料：相鄰格以機率 0.9 相同）。灰＝[MASK]　橘／藍＝0／1　紅框＝被植入的錯誤　綠框＝那個錯誤已經被改掉

按「植入錯誤」再一路按「下一步」：absorbing 那排的紅框永遠不變（已翻開的位置不再被碰）；uniform 那排的紅框常常在後面幾步被改掉，變成綠框。跑 200 次，absorbing 的修正率恆為 0%。代價在「視角」那顆按鈕：打開它，你會看到 uniform 的 x_t 裡噪聲字和原字長得一模一樣（模型看不到那些標記，得自己猜）；absorbing 的 [MASK] 一眼可辨，所有不確定性都集中在那裡。