12:27
官方账号arXiv cs.AI@Krithi Shailya, Ananya Lakshmi Ravi, Venkatanathan K. V., Sowmya S. Sundaram, Gokul S. Krishnan, Aditi Anand, Balaraman Ravindran
推荐理由：这篇论文展示了KAN不只是理论上可解释，还能落地到医学影像中，让解释更可靠，比标准ResNet/ViT定位准确率提升10%。
MIMIC-CXR
共 1 条相关 AI 资讯
7月28日
12:27
研究者提出KANEx框架，首次利用KAN（Kolmogorov-Arnold Networks）的符号透明性来支撑VLM推理，从而生成更可信的文本解释。同时设计了KAN-Map热力图方法，直接从KAN模型导出而非梯度近似。在MIMIC-CXR数据集上，基于KAN的ResNet/ViT架构语义相似性提升，并产生更忠实的显著性图。定位和推理质量比基线提高10%。论文认为将语言解释和视觉归因建立在数学可解释单元上是可信医疗AI的必要步骤。