托卡马克实验会记录波形、剖面、场以及标量等多种测量，这些数据用于等离子体重建、演化预测、控制信号恢复和中断风险评估。现有模型通常针对单一任务和固定的输入输出集合构建，且只使用预先选定的诊断子集，未能利用完整的多模态观测来提取全局跨信号信息。为此，我们在 TokaMark 基准上新增两类任务——执行器动作逆推和中断预测，形成 20 项 MAST 任务，分为六组并提供明确的模式(schema)和评估协议。随后提出 GenToka，采用共享的条件扩散 Transformer 生成基于模式选择的目标，并通过信号专用编解码器保持原始的时间序列、剖面、场和标量格式。模型先进行基础预训练，再通过任务特定的微调在六组任务之间转移跨信号结构。实验表明，在第 1‑4 组上，GenToka 相比 TokaMind 将宏平均归一化均方根误差降低 4.7%，在第 5 组降低 17.7%，并在第 6 组的窗口级宏平均 F1 提升 8.4%（使用统一的验证阈值）。GenToka 为实验托卡马克提供了可复用的生成式多模态路径，能够统一等离子体状态重建、执行器推断和中断预警，推动更集成的数据驱动融合等离子体预测与控制研究。\n\n点评：该工作展示了跨任务、跨模态的基础模型在核聚变实验中的实用价值，为未来统一的实验数据平台奠定了技术基础。