DiScoFormer：跨分布联合估计密度与分值的 Transformer 模型

研究者推出 DiScoFormer，可通过单个 Transformer 在单次前向传播中同时估计数据分布的密度与分值（score），无需针对新分布重复训练。该模型采用共享主干与双输出头设计，在 100 维场景下相比最佳调优的 KDE 将分值误差降低约 6.5 倍、密度误差降低超 37 倍。模型还支持在推理时无监督自适应分布外数据，适用于扩散生成模型与贝叶斯推断。