本研究提出了一种新的树-瓦瑟斯坦距离（TWD），有效解决高维数据样本间的距离计算问题，适用于具有潜在特征层次的数据。该方法通过扩散几何在文档-词汇和单细胞RNA测序数据集上表现优异。

本文介绍了一种基于特征层次的多任务学习模型，探索任务关系并进行实验验证，结果表明该模型在各种任务关系下表现最佳，具有较高的应用价值。研究提出了多种算法和框架，如GradNorm和MTI-Net，以提高多任务学习的准确性和性能，解决任务相似度评估及子任务选择问题，最终实现更优的学习效果。