Kolmogorov-Arnold 网络（KAN）的软符号化研究

研究团队提出软符号化 Kolmogorov-Arnold 网络（S2KAN），通过在训练中引入符号基元字典与可微分门控，解决 KAN 缺乏符号保真度的问题。模型采用基于最小描述长度的目标进行端到端优化，并提出了衡量符号保真度的量化指标。在真实预测任务与合成基准中，S2KAN 显著提升了符号保真度并缩减了模型体积，同时保持了竞争力的预测精度。