CF-NPE：面向神经后验估计的交叉拟合方法

CF-NPE 提出用样本拆分与 K 折交叉拟合改进神经后验估计（NPE），将后验均值估计与高阶矩估计分离：先拟合 K 个后验均值回归器，再对折外残差拟合条件密度估计器。在合成数据和宇宙学应用中，CF-NPE 的留出对数似然高于标准 NPE，且通常改善校准。该方法已被 NeurIPS 2026 接收，最适用于高维、模拟受限场景。