DiScoFormer：跨分布统一估计密度与分数的 Transformer 模型

研究人员提出 DiScoFormer（Density and Score Transformer），通过单次前向传播即可同时估计任意数据集的概率密度与分数（Score），无需针对新分布重新训练。模型采用共享 Transformer 主干与双输出头设计，在推理时可通过无标签一致性损失自适应分布外数据。在 100 维测试中，其相比调优后的 KDE 将分数误差降低约 6.5x，密度误差降低超过 37x。