Transport（最优传输）是一种数学方法，用于衡量和转换不同概率分布之间的距离，近年来在人工智能领域特别是深度学习中获得广泛应用。2024年6月至8月间，Transport相关研究在机器学习多个子领域取得了显著进展，包括强化学习、Transformer架构优化和流匹配等方向。
Transport 近期进展
2024年6月20日，CDOT成为首个凸最优传输框架，能够对齐异构域分布并保持几何结构，为跨领域学习提供了新方法。CDOT：首个凸最优传输框架，对齐异构域分布并保持几何结构
2024年6月28日，RLDT提出用强化学习微调流匹配策略，通过密度传输对齐奖励区域，解决了强化学习中的分布对齐问题。RLDT：用强化学习微调流匹配策略，密度传输对齐奖励区域
2024年7月10日，ITSPACE提出了一种单调高斯最优传输更新方法，改进了传统传输算法的效率和稳定性。ITSPACE：一种单调高斯最优传输更新方法
当前焦点与观察点
Transport技术在Transformer架构中的应用日益深入，2024年6月17日提出的Signed-Permutation Coordinate Transport方法优化了RMSNorm Transformers的训练过程，提高了模型性能。Signed-Permutation Coordinate Transport for RMSNorm Transformers
2024年7月，OpenRouter推出Claude MCP快速接入功能，只需两条命令一分钟内即可连接模型，展示了Transport技术在模型部署中的实际应用价值。OpenRouter 推出 Claude MCP 快速接入：两命令一分钟连模型
A16Z于2024年8月投资Atoms公司，Ben Horowitz加入董事会，表明资本市场对Transport相关技术的持续看好。a16z 投资 Atoms，Ben Horowitz 加入董事会