연구진이 KAN의 파라미터 중복 문제를 해결하기 위해 HYDRA라는 하이퍼볼릭 표현 아키텍처를 제안했어요. HYDRA는 스플라인 기반 함수 학습과 포아레 볼에서의 표현을 결합하여 파라미터 효율성을 높였어요. 벡터 입력을 하이퍼볼릭 잠재 공간에 매핑하고, 경사도 제어를 통해 학습 안정성을 개선하는 방식을 사용해요. 8개의 벤치마크 데이터셋에서 HYDRA는 기존 모델 대비 우수한 성능과 함께 파라미터 효율성 및 표현 해석력을 향상시켰어요.