نُقدِّم نماذج التنبؤ-التصحيح المنفصلة (DPC)، وهي توسّع لطرائق التوليد المُصَحَّحة-التنبؤية في نماذج التشتت الغاوسيّة إلى الحالة المنفصلة. تُعدّ طرائق التوليد المُصَحَّحة-التنبؤية فئة من طرائق التوليد لنموذج التشتت، التي تُحسِّن على طرائق التوليد الأصلية من خلال تصحيح توزيع الحالات الوسيطة للتشتت باستخدام طرق مونت كارلو ماركوف (MCMC). في نموذج DPC، يتم استبدال مصحّح لانجفين، الذي لا يمتلك نظيرًا مباشرًا في الفضاء المنفصل، بانتقال مونت كارلو ماركوف منفصل يُعرَّف بواسطة نواة تصحيح مُدرَّبة. تُدرَّب نواة التصحيح هذه بحيث تضمن أن تُحقِّق خطوات التصحيح تقاربًا تدريجيًا، من حيث التوزيع، إلى التوزيع الحدي الصحيح للحالات الوسيطة للتشتت. وباستخدام DPC، نعيد النظر في النماذج التوليدية غير التسلسلية القائمة على المحولات (transformers) الحديثة من منظور التشتت المنفصل، ونجد أن DPC يمكنها تخفيف خطأ التشفير المتراكم الناتج عن التوليد المتوازي للرموز البصرية. تُظهر تجاربنا أن DPC تتفوّق على النماذج الحالية في الفضاء المنفصل للحالة التوليدية للصور المشروطة بالفئة على مجموعة بيانات ImageNet، وتتفوّق أيضًا على النماذج التشتتية المستمرة والشبكات التوليدية التآزرية (GANs)، وفقًا للمعايير القياسية ودراسات تفضيل المستخدمين.