본 논문은 베이지안 추론을 위한 시뮬레이션 기반 계산 접근 방식인 신경 후방 추정(NPE)에서, 기존의 정규화 흐름(normalizing flows) 기반 방법의 한계점(훈련 불안정성, 표현력과 계산 비용 간의 상충 관계)을 극복하기 위해 조건부 확산 모델과 고용량 요약 네트워크를 결합한 방법을 제시합니다. 다양한 NPE 벤치마킹 문제에 대한 실험 결과를 통해, 제안된 방법이 더 나은 안정성, 정확도, 그리고 더 빠른 훈련 시간을 제공함을 보여줍니다. 다양한 요약 네트워크 구조에서도 이러한 이점이 지속됨을 확인하였으며, 코드는 공개적으로 제공됩니다.
