本文介绍了一种基于最优传输的多元符合预测方法（OTCP），用于量化机器学习模型的不确定性。该方法通过构建符合预测集，利用一致性评分对多维空间进行排名，解决了多元评分扩展的挑战。OTCP在多元回归问题的基准数据集上表现出显著优势，并探讨了最优传输映射在估计一致性评分时的计算和统计权衡。