DiScoFormer：用单一 Transformer 跨分布估计密度与分值

DiScoFormer 采用 Transformer 架构，无需重新训练即可通过单次前向传播同时估计分布的密度与分值。在 100 维测试中，它相比经调优的核密度估计（KDE）将分值误差降低约 6.5 倍、密度误差降低超过 37 倍。模型还支持在推理阶段利用二者的一致性损失实现即时自适应，可良好泛化至未见过的多模态及非高斯分布。