DiScoFormer：单 Transformer 同时估计密度与分数

Hugging Face 推出 DiScoFormer，该模型通过单次前向传播即可同时估计数据分布的密度和分数，无需针对新分布重新训练。在 100 维数据上，其分数误差比最佳 KDE 低约 6.5 倍，密度误差降低超 37 倍，且能泛化至非高斯分布。这一预训练插件式估计器有望大幅降低生成建模及科学计算中的成本。