Las redes de Kolmogorov-Arnold alcanzan el nivel de las MLP con un 40% menos de muestras

Los investigadores que han publicado en arXiv el preprint 2610.10627 han comprobado cuántos datos necesitan las redes de Kolmogorov-Arnold (KAN) en aprendizaje por refuerzo. La respuesta: un 40% menos que un perceptrón multicapa (MLP) si el objetivo es una calidad comparable. A lo largo del entrenamiento, la ventaja relativa de las KAN llegó hasta el 50%. Los experimentos se realizaron en el conjunto Feynman y en el benchmark Gymnasium, y el ruido en las recompensas no eliminó la ventaja.

Por qué las muestras son la principal moneda del RL

El aprendizaje por refuerzo profundo supera desde hace tiempo a los métodos clásicos de control. Pero en los sistemas reales choca con el coste de la experiencia. Cada muestra son minutos u horas de trabajo de un robot, desgaste mecánico, un banco de pruebas ocupado y riesgo de avería. Los simuladores son más baratos, pero la brecha entre la simulación y la realidad hay que cerrarla igualmente con datos reales. Por eso, un método que alcanza el resultado necesario con menos interacciones con el entorno vale más que uno que solo mejora la recompensa máxima.

Las KAN se propusieron en 2024. La idea se apoya en el teorema de Kolmogorov-Arnold: en lugar de funciones de activación fijas en los nodos, la red aprende funciones unidimensionales en las aristas, normalmente en forma de splines. Hasta ahora, para estas redes se declaraban dos ventajas: menos parámetros para la misma tarea y mejor interpretabilidad, sobre todo cuando hay que recuperar una dependencia física. El nuevo trabajo añade un tercer eje: el consumo de datos.

Qué se midió y cómo

Los autores compararon las KAN y las MLP mediante curvas de aprendizaje. La primera plataforma es Feynman, un conjunto de tareas de recuperación de relaciones físicas. La segunda es Gymnasium, un conjunto estándar de entornos para RL. Por separado, comprobaron la robustez frente al ruido: distorsionaron las recompensas a distintos niveles y observaron si la diferencia se mantenía.

Resultados clave del resumen:

• se alcanza una calidad comparable con un 40% menos de muestras;
• la mejora relativa a lo largo del entrenamiento llega hasta el 50%;
• la ventaja se mantiene con distintos niveles de ruido en las recompensas;
• benchmarks: Feynman y Gymnasium;
• el código es abierto, con el repositorio DerKevinRiehl/neurips26_kan_training en GitHub (el nombre sugiere que se presentó a NeurIPS 2026).

Qué sigue sin estar claro

El resumen no detalla qué algoritmos de RL ni qué entornos se incluyeron en la muestra, y sin ese dato es difícil evaluar hasta qué punto el resultado se traslada a otras tareas. La expresión «hasta el 50%» describe un máximo en tramos concretos del entrenamiento, no una mejora media. Se trata de un preprint en su primera versión que no ha pasado revisión por pares.

Hay además un matiz computacional. Las KAN con splines en las aristas suelen ser más costosas que las MLP en tiempo por paso de entrenamiento. Ahorrar muestras no equivale a ahorrar horas de GPU, y conviene comprobar cómo lo tienen en cuenta los autores. Por último, las tareas de Feynman se basan en dependencias físicas suaves, es decir, en un terreno donde las KAN han sido históricamente fuertes. Para el aprendizaje a partir de píxeles o para dinámicas muy discontinuas, hay que verificar por separado si la ventaja se mantiene.

Qué deberían hacer los equipos en la práctica

Quienes tengan un coste de experiencia elevado, por ejemplo en robótica, control de equipos y procesos industriales, harían bien en probar las KAN como sustituto de la MLP en la política o en el crítico de su propia tarea. El código es abierto, así que la comparación llevará días, no meses.

Hay que contar en dinero: el coste de una muestra frente al coste del cómputo de entrenamiento. Si una muestra de un banco real cuesta órdenes de magnitud más que las horas de GPU, incluso una KAN lenta compensa. Si el entorno se simula casi gratis, la ventaja es dudosa. Un bonus adicional es la interpretabilidad: los splines aprendidos se pueden visualizar y contrastar con la física del sistema, lo que resulta útil para certificar algoritmos de control. El resultado no se aplica directamente a los LLM; es una historia sobre modelos compactos de control.