我们提出了一种基于神经量位估计的新型推断方法，通过条件分位数回归学习每个后验维度的一维分位数。该方法处理尾部行为和多峰分布，并提出了更快的贝叶斯置信区间定义。在受限的模拟预算和已知的模型误设情况下，可以将后处理扩大步骤集成到方法中，以确保后验估计的无偏性。该方法在各种基准问题上实现了最先进的性能。