本研究分析了卷积Kolmogorov-Arnold网络（CKANs）在处理大型复杂数据集时的效率，结果显示其在小型数据集上表现尚可，但在ImageNet等大型数据集上明显不如传统卷积神经网络（CNNs），为未来CKANs的改进提供了重要参考。

贾扬清的论文“DeCAF: A Deep Convolutional Activation Feature for Generic Visual Recognition”获得ICML 2024时间检验奖。该论文提出了深度卷积激活特征DeCAF，用于解决通用视觉识别问题。通过实验，DeCAF在多个任务上表现出色，包括对象识别、域适应、细粒度识别和场景识别。论文还分析了网络各层的计算时间分布，并开源了DeCAF特征提取工具和预训练模型。ICML 2024还公布了最佳论文奖，其中包括Stable Diffusion 3论文和“Discrete Diffusion Modeling by Estimating the Ratios of the Data Distribution”论文。