Wasserstein 距离（也称 Earth Mover's Distance）是度量两个概率分布差异的数学工具，衡量把一个分布“搬运”成另一个分布所需的最小代价。由于它对分布支撑不重叠、尾部形态等情况比 KL 散度更稳健，Wasserstein 度量已成为生成建模、强化学习、最优输运理论等机器学习方向的基础语言之一。
Wasserstein 相关研究近期进展
Wasserstein 研究的当前焦点与观察点
从近期论文看，Wasserstein 几何的研究重心正从“作为损失函数”扩展到“作为状态空间与动力学结构”：无论是 Wasserstein 空间上的力学学习，还是离散 Wasserstein 流驱动的单步生成，都把分布本身当作演化对象。与此同时，理论侧关注收敛速率与极小化极大下界的刻画，应用侧则推向图像生成、风场超分辨率（拓扑感知微调提升风场超分辨率模型）等任务。
值得观察的问题包括：单步生成方法在更大数据规模上能否稳定复现优势；离散场景下的 Wasserstein 流能否像连续最优输运那样获得成熟的计算工具；以及基于 Wasserstein 度量的理论保证（如分布 RL 的最优速率）何时能转化为更通用的算法设计原则。对研究者而言，Wasserstein 框架正处在几何理论向工程实践快速渗透的阶段，后续进展值得关注。