待验证50% 置信事实精确时间
KAN 的边上的样条只在其定义域局部生效，这种局部性使 KAN 在学习新任务时对既有函数的改动更集中，不易波及与旧任务相关的参数区域。
1
来源数
50%
置信度
长期有效
时效性
2026/10/20
首次发现
来源
涉及实体
相关事实
待验证在token级别的序列生成任务中，KL约束是逐token计算的，不同位置的token会受到不同程度的约束强度。72% 相似待验证KAN（Kolmogorov-Arnold Networks）将可学习的单变量函数放在网络的边上，而非传统神经网络把固定激活函数放在节点上66% 相似待验证在EDMD-kDL中，外层优化学习核字典的参数，内层优化在该字典下求解Koopman算子的有限维近似，两者交替迭代。66% 相似待验证编辑局部性衡量模型在执行局部修改指令时保持其余区域不变的能力，许多扩散模型会因全局重采样导致主体微小变形或语义漂移66% 相似待验证KAN将可学习的激活函数放置在网络的边（连接权重）上，通常以B样条函数实现，而传统MLP在节点上使用固定激活函数65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1073723API
curl https://kongchang.com/api/v1/knowledge/claims/1073723MCP
get_claim(id=1073723)