本研究提出KANITE框架，利用Kolmogorov-Arnold网络显著提升个体治疗效应（ITE）估计的准确性，优于现有算法，显示出广泛的应用潜力。

本研究提出了TSKANMixer模型，结合Kolmogorov-Arnold网络与时间序列混合器，提升了时间序列预测的准确性。实验结果显示，该模型在多个数据集上表现优异。

本研究提出KAN-PnP框架，利用Kolmogorov-Arnold网络进行去噪，解决了传统方法对大规模数据集的依赖。KAN-PnP在超分辨率和联合优化任务中表现优异，且在单次学习中展现出高精度和良好的收敛性。