北大 DistDF 损失函数：用最优传输重构时序预测，告别 MSE 独立性假设

DistDF 是一种基于最优传输理论的模型无关损失函数，通过对齐历史 - 预测联合分布与历史 - 标签联合分布来训练模型。 解决了传统 MSE 损失函数假设时间步相互独立，导致模型无法捕捉序列整体形态、相关结构及条件依赖的结构性偏差痛点。 核心优势在于将条件分布匹配转化为联合分布匹配，利用 Wasserstein 距离上界解决单样本估计难题，显著提升预测序列的整体形态拟合度且兼容现有架构。