本文通过为特定激活函数的科尔莫哥洛夫-阿诺德网络（KAN）建立泛化界限，解决了理论分析不足的问题。这些界限在保证性能的同时，适用于不同的回归损失函数，为科学任务中的模型设计提供理论支持。

本文研究了语言引导定位视频中相关片段的问题，并提出了跨模态注意力模块和新的回归损失函数来提高定位精度。在Charades-STA和ActivityNet Captions数据集上超越了最先进的方法。