對高階特征交互進行建模對于點擊通過率（CTR）預(yù)測至關(guān)重要，然而傳統(tǒng)方法通常預(yù)先定義了最大的交互階數(shù)，并窮盡地枚舉到該階數(shù)的所有特征組合。這種范式嚴重依賴于先前的領(lǐng)域知識來界定交互空間，并且會帶來巨大的計算開銷。因此，傳統(tǒng)的CTR模型在用復(fù)雜的高階交互豐富表示與保持計算可行性之間面臨著持續(xù)的矛盾。為了解決這一雙重挑戰(zhàn)，本研究引入了Kolmogorov-Arnold表示的稀疏高效交互網(wǎng)絡(luò)（KarSein）。KarSein借鑒了Kolmogorov-Arnold網(wǎng)絡(luò)（KAN）中的可學(xué)習(xí)激活機制，利用該機制將低階基本特征自適應(yīng)地轉(zhuǎn)換為高階特征交互，提供了一種新的特征交互建模方法。KarSein通過引入一種更高效的架構(gòu)擴展了KAN的功能，顯著降低了計算成本，同時支持使用二維嵌入向量作為特征輸入。此外，它克服了KAN無法自發(fā)捕捉特征之間乘法關(guān)系的局限性。廣泛的實驗表明，KarSein的表現(xiàn)優(yōu)于KAN的原始實現(xiàn)以及其他基線方法。值得注意的是，KarSein在保持高度緊湊的參數(shù)規(guī)模和最小的計算開銷的同時，實現(xiàn)了出色的預(yù)測準確性。此外，KarSein還保留了KAN的關(guān)鍵優(yōu)勢，如強大的可解釋性和結(jié)構(gòu)稀疏性。作為KAN首次系統(tǒng)性地應(yīng)用于CTR預(yù)測的嘗試，KarSein為大規(guī)模推薦系統(tǒng)中復(fù)雜特征交互的建模提供了一種實用、參數(shù)高效且可解釋的替代方案。