热点事件持续更新
DiScoFormer：单次前向同时估计密度与得分
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月3日，Ai2在其官方博客发布Transformer新模型DiScoFormer。该模型可在单次前向传播中，同时估计一组数据点的分布密度与对应得分，且面对新分布无需重新训练。实验在100维场景下与最优调参的核密度估计（KDE）对比，DiScoFormer的得分误差降低约6.5倍，密度误差降低超过37倍；随着样本量继续增加，DiScoFormer的性能持续提升，而KDE则出现内存不足。研究团队表示，DiScoFormer可作为高维得分估计的即插即用组件，应用于生成建模与贝叶斯推理等方向。
AI 根据报道生成 · 1 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月3日
- Ai2 BlogDiScoFormer：一个跨分布同时估计密度与得分的 Transformer
DiScoFormer 是 Ai2 提出的 Transformer 模型，可在单次前向传播中同时估计一组数据点的分布密度与得分，无需针对新分布重训。在 100 维场景下相对最优调参 KDE，其得分误差降低约 6.5 倍、密度误差降低超过 37 倍，并随样本增加持续提升而 KDE 出现内存不足。该模型可作为生成建模、贝叶斯推理等领域的高维得分即插即用组件复用。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。