DiScoFormer:兼顧任意分佈下密度與得分估計的 Transformer 模型
DiScoFormer: One transformer for density and score, across distributions
重點導讀
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。
AI 伴隨問答
針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:
信源出處huggingface.co
DiScoFormer: One transformer for density and score, across distributions
本文為 888news 精選之重點導讀。若需閱讀作者完整原文、技術細節與官方討論,請前往原始網站。
來源: Hugging Face Blog (huggingface.co)
開啟原文