DiScoFormer：兼顧任意分佈下密度與得分估計的 Transformer 模型

DiScoFormer 是一款基於 Transformer 架構的新型模型，只需單次前向傳播即可同時估計分佈的密度與得分且無需重新訓練。

• 在 100 維測試中，它將得分誤差降低約 6.5 倍，密度誤差降低超過 37 倍。
• 該模型以高斯混合模型進行訓練，能夠適應分佈外輸入並在多個領域中複用。