清华博导刘子鸣创办元环智能,两轮融资数亿元做元模型
清华大学人工智能学院助理教授刘子鸣创办元环智能,完成种子轮与种子+轮累计数亿元融资,顺为资本领投种子轮。公司主攻「元模型」(Meta Model),即能自行设计模型的模型,走非大语言模型的直觉模型路线,核心基于其提出的 KAN 架构。
共 6 篇相关资讯,按重要度与时间排序,每 3 小时更新。
清华大学人工智能学院助理教授刘子鸣创办元环智能,完成种子轮与种子+轮累计数亿元融资,顺为资本领投种子轮。公司主攻「元模型」(Meta Model),即能自行设计模型的模型,走非大语言模型的直觉模型路线,核心基于其提出的 KAN 架构。
一位 1998 年出生的清华学者、KAN(Kolmogorov-Arnold Network)论文一作创立公司,成立不到半年即完成数亿元融资。公司方向是让 AI 学会自动设计模型,属于 AI for AI 的前沿探索。
论文系统研究Kolmogorov-Arnold网络(KAN)在强化学习中的样本效率。在Feynman数据集与Gymnasium基准上的实验显示,使用KAN架构可减少40%样本达到相近性能,训练过程中相对性能提升最高达50%,且对奖励噪声具有鲁棒性。结果表明KAN架构有望实现更样本高效的强化学习。
针对低秩分解压缩嵌入层时线性瓶颈限制表达能力的问题,论文借鉴 Kolmogorov Arnold Networks 范式,在压缩嵌入层中引入可学习非线性投影。作者将压缩层集成进 Skip-gram,在词类比与语义相似度基准上与低秩基线对比,并提出从预训练嵌入初始化的策略。结果显示非线性投影可缓解线…
论文提出 SW-KAN,用定义在半无限域上的 Stieltjes-Wigert q-正交多项式替代 B 样条,解决无界输入与有界正交基的域不匹配问题。通过指数-tanh 映射与三项递推实现 O(N) 求值,在图像分类与函数逼近上取得更优的精度-效率权衡。
该研究对Lomnicky Stit中子监测器(LMKS)时间序列进行多步预测,对比了季节性朴素基线、LSTM、TCN、N-BEATS、KAN及量子启发变体QiLSTM与QiKAN。结果显示量子启发的QiKAN取得最低聚合预测误差,而简单季节性朴素基线也极具竞争力。研究表明,对高度周期性的科学监测序…