本文介绍了KAN网络算法的原理和优势，探讨了其在深度学习领域可能引发的范式转变。 • ⚡ KAN网络将可学习的激活函数从神经元移到了神经网络的边上，表现出更高的准确性和更少的参数量 • ???? KAN在数学和物理领域的实验中展现了卓越性能，提供了一种新的科学发现的路径 • ???? KAN具有更快的神经缩放定律和可解释性，为AI领域带来了新的探索可能性
本月初，来自 MIT 等机构的研究者提出了一种非常有潜力的 MLP 替代方法 ——KAN。
最近一周KAN的热度逐渐褪去，正好静下心来仔细学习KAN的原理，收获颇多。
刚刚提出了KAN的MIT物理学家Max Tegmark和北大校友刘子鸣，又有一项重磅研究问世了！团队发现，它们用AI发现了物理学中的新方程，从此，AI很可能被引入物理学研究领域，帮助人类物理学家做出全新的发现。
多层感知器（MLP），也被称为全连接前馈神经网络，是当今深度学习模型的基础构建块。MLP 的重要性无论怎样强调都不为过，因为它们是机器学习中用于逼近非线性函数的默认方法。
一种全新的神经网络架构KAN，诞生了！ 与传统的MLP架构截然不同，且能用更少的参数在数学、物理问题上取得更高精度。
就在最近，清华大学SuperBench团队的新一轮全球大模型评测结果出炉了！
自动将不同开源模型进行组合，生成具有新能力的新模型，Sakana AI开发的新方法做到了！
今天，特工女巫将为大家带来 ThinkAny，这是一款由个人独立开发但小而美的 AI 搜索产品，一起看看它的产品功能设计和技术实现。
让大模型自己动手，好过让人类动手。黄仁勋对话Transformer八子时，最后一位离开谷歌的论文作者Llion Jones，相信这是大模型技术的关键趋势。他还卖了个关子，预告他创立的Sakana AI马上就有大动作。
