喷注分类器为何可信有了新查法：用KAN代理把ParT的注意力对回能量关联函数
核心概要
高能物理中的喷注分类器长期以准确率为主要评价，却难以说明其判断是否对应喷注内部的辐射结构。研究者用Kolmogorov-Arnold网络（KAN）在已训练模型局部拟合扰动响应，再从代理的混合偏导提取二体、三体相互作用分数，与两点、三点能量关联函数的贡献排序做秩相关比较。在JetClass数据上，Particle Transformer的二体对齐明显为正，而标准多头注意力基线未表现出类似对齐；三体对齐两者都较弱，ParT仍更强且误差棒排除零相关。
深度剖析
喷注分类器的判断现在可以被逐对、逐三元组地对照到喷注内部的能量关联结构，而不只停留在整体准确率上。 此前的可解释工作较少，且常用的组件归因方法多假设组件之间是加性线性效应，只能刻画独立贡献，无法区分一个真正的三体不可约涨落与三条互不相关的两体效应。 在JetClass数据集上训练的多分类喷注标记器中，对每个喷注取对能量关联函数贡献最大的前256个粒子对或三元组，与代理提取的二阶、三阶梯度张量做Spearman秩相关；两喷注情形下Particle Transformer呈明显正相关，而作为基线的标准多头注意力未出现类似对齐。
做法是在已训练模型的决策边界附近学一个局部代理，再用代理的解析导数读出多粒子相互作用。 Kolmogorov-Arnold网络（KAN）把可学习的样条函数放在网络边上，每个边只作用于一个输入变量，因此对粒子的混合偏导只涉及输入层样条的一阶导数。 对输入粒子运动学向量施加局部高斯扰动，用三次B样条激活的KAN拟合扰动到目标模型输出logit偏移的映射；每个喷注的代理形状为两层、每层粒子数宽度，5个网格区间加线性残差分支，参数最多5832个，用Adam在50000个扰动上拟合，配置在5000个验证扰动上从三种中选出，最后在10000个留出扰动上评估。
启示与展望
演示范围限于JetClass数据集上训练的transformer类喷注标记器，包括标准多头注意力基线与Particle Transformer，比较对象是两点与三点能量关联函数贡献最大的前256个粒子对或三元组。作者提出后续应把方法扩展到更大数据集、更广的奇异子结构信号模型以及三阶以上的相互作用。
三喷注情形下两点与三点能量关联函数的秩相关对基线模型和ParT都更弱，ParT虽更强但误差棒仅能排除零相关；作者指出ParT在三阶并未获得物理启发的归纳偏置，且三阶以上是否还存在结构与对齐仍待研究。作者还报告增加注意力块对MHA的对齐为负向影响，ParT则保持一致，并提到玻色子两喷注衰变在两点与三点关联上出现异常行为。