标签
Slot-JEPA 将 JEPA 的稠密表示分解为可复用的语义槽与空间掩码，提供面向对象的预测接口，并结合 Transition Memory Predictor 与非平衡最优传输提升视觉理解迁移和目标条件规划，在七项视觉基准与 REALM-JEPA 机器人规划任务上取得改进。
OrderFlowDiT提出了一种带非平衡最优传输正则的条件扩散Transformer，用于预测未来五分钟限价订单簿的成交量-价格分布，相比MSE训练将全字段传输成本降低45.8%。
CleanRM 使用少量干净反馈，通过最优传输校准逐样本噪声比例，并以噪声校正的代理损失训练奖励模型，在 RLHF 中实现无偏的干净风险估计并超越现有去噪基线。
该论文提出带误差证书的切片 Wasserstein 草图方法，通过一维最优加权 MM-原子量化并扩展到高维切片，将平方距离误差精确分解为残差与分区不匹配项，从而为任意质心草图提供可计算的误差保证，在文档、点云和流式细胞术基准上以更少存储保持了原始切片距离的分类性能。
该论文提出了垂直切片瓦瑟斯坦距离（VSW），这是一种用于比较元测度（分布的分布）的可扩展度量。论文证明了其为有效度量，并具有与维度无关的统计收敛保证，在效率和精度上均优于现有方法。
该论文提出 PORTAL，一种无需配对图像-文本数据、基于最优传输的多模态投影器初始化方法，可以完全跳过投影器训练阶段，在六个 LLM 主干和 16 个基准上匹敌使用 558k 图文对的标准训练流程。
该论文提出了一种可扩展的在线熵正则最优传输（OT）近似方法，使 Flow Matching 能够使用显著更大的源-目标耦合小批量，同时在理论上证明了相对独立配对能严格降低随机梯度方差和积分误差，并通过单细胞基因插值和图像流训练实验验证了效果。
提出一种通过蒸馏最优传输在仅有100-500个配对样本下对齐两个独立预训练单模态编码器的方法，在Flickr30k、MS-COCO和ChEBI-20上以相同锚点预算超越现有方法。
该论文提出了一种以神经网络复杂度（Barron能量）为核心的最优传输框架，用以取代传统的 L² 动能，从而在概率测度空间上构建出新的几何结构；作者证明了在 Barron 几何下扩散生成模型是次优的（在超多项式 score 逼近能力下存在下界）。
PXtal 提出一种在模态间信息不对称条件下对齐粉末X射线衍射（PXRD）与晶体结构表示的框架，利用非平衡最优传输（UOT）和广义Kullback-Leibler散度监督传输计划，在PXRD到晶体候选检索及下游材料任务上优于基线模型。
FlashSinkhorn 2 提出了一种两阶段块稀疏 GPU 求解器，用于求解熵正则化最优传输（EOT）问题，可扩展至 1.34e8 个粒子的点云。在单块 A100 上，可在 2.5 小时内将边缘残差降至 0.01 以下——据称这是在数小时内在该精度下求解的最大离散 EOT 问题。该项目已发布开源实现。
本文提出了 BaryFM，一种流匹配模型，能够学习逼近整个 Wasserstein 单纯形——即权重向量单纯形上所有 Wasserstein 重心构成的完整族——而非仅针对固定权重的重心。BaryFM 在 10 个域适应基准上，在 15 种方法中取得了最佳平均排名，并在泛化、贝叶斯后验聚合以及算法公平性等任务上得到了验证。
该论文提出 OTROPE，一种面向大语言模型的免似然函数离线策略评估方法。它利用最优传输，在语义空间中将有限的人工标注行为策略样本与无标注目标策略样本进行对齐，从而构建出一种双重稳健式的评估器，在分布偏移条件下优于各类基线方法。
ATLAS 是一种针对潜在世界模型的训练目标，它通过 Wasserstein-2 传输（WEMReg）校准规划潜在变量的边缘分布，同时将编码器表征中的关系几何结构保留到规划潜在空间中。该方法在 LeWM 中实现后，在 PushT、TwoRoom 和 OGBench-Cube 基准上提升了目标达成的成功率，尤其在更高新颖性的回合中表现更为突出。
OTRetarget 提出一种统一方法，利用熵最优传输联合重定向机器人与多物体的运动，通过保持接触一致性显著优于 OmniRetarget，并在物理人形机器人 G1 上验证了迁移到强化学习训练的全身策略的可行性。
本文介绍了Coupled Usage–Sense Processes (CUSP)，一个用于分析词汇语义变化的层次化模型，通过量化词语使用中随时间变化的时间、机制和归因。
ColNanoVDR 引入了首个用于多向量视觉文档检索的无文档查询蒸馏框架，利用最优传输对齐学生与教师的查询嵌入，实现更快的编码同时保持高性能。
该论文提出了PsyBer-Agent，这是一个受心理学启发的LLM用户模拟器，用于推荐系统。它建模了诸如疲劳和偏好转变等不断演化的潜在状态，并通过不平衡Gromov-Wasserstein最优传输进行校准，同时还推出了WebSim平台和PsyBer基准测试，用于大规模评估行为保真度。
论文提出了奖励加权传输蒸馏（Reward-Weighted Transport Distillation, RWTD），这是一种针对单步生成模型的后训练方法，仅需生成样本和标量奖励即可工作，通过特征空间最优传输将倾斜后的当前分布与参考分布进行混合。该方法将 SanaSprint 1.6B 单步骨干模型的 GenEval 分数从 0.73 提升至 0.80，同时保持了组合能力。
本文介绍了Riemannian Wasserstein Entropic Flow Matching（RWEFM），这是一个用于建模黎曼流形上概率分布的生成框架，应用于单细胞生物学和蛋白质构象等科学领域。