Wasserstein 几何编辑

Wasserstein 几何 指使用最优传输距离及相关几何思想比较概率分布。与逐点指标不同，Wasserstein 距离考虑把概率质量从一个分布移动到另一个分布的代价，因此适合描述分布偏移和生成数据。

研究背景编辑

Wasserstein 几何用于 合成数据分析、协作评估 与 分布式 Wasserstein barycenter 计算。当数据被切分在多个孤岛中时，分布比较可能比单个准确率数字更有信息量。Wasserstein 风格度量提供了描述生成数据如何在类别、模式或视觉特征上漂移的语言。

这一几何并不限于欧氏域。近期关于黎曼流形上 Wasserstein 空间生成建模的工作，用示意图说明了 McCann 位移插值如何把底流形 $(\mathcal{M}, d_g)$ 上的概率测度，连接到上方 Wasserstein 流形 $(\mathcal{P}_2(\mathcal{M}), W_2)$ 中的测地路径——这也是比较与合成分布时所依赖的传输几何。¹

与乔鑫宝工作的关系编辑

ICML 2026 论文 样本选择偏差何以促成模型坍缩 使用协作 Wasserstein 风格信号分析低资源选择偏差下的模型坍缩。博士阶段对 分布式 Wasserstein barycenter 的研究进一步关注计算问题：如何从多个局部测度得到共享的参考分布。Wasserstein 几何因此可用于分析数据分散、无法直接检查全局分布时的分布变化。

参见编辑

• 样本选择偏差何以促成模型坍缩
• 协作评估
• 分布式 Wasserstein barycenter
• 模型坍缩
• 数据孤岛

脚注编辑

1. 图来自 Haviv 等，"When Riemann flows with Wasserstein: Generative Modeling of Probability Distributions on Manifolds"，arXiv:2609.25659。 ↩