给灾难债定价，像是在给一张“平时付高息、出大灾就可能亏本金”的彩票估价：真正麻烦的是，要反复模拟许多种低概率、重损失的情形，计算很慢。这项工作尝试用 Kolmogorov–Arnold Network（KAN，一种把可学习函数放在网络连接上的神经网络）代替重复计算，并把学到的关系压缩成可读公式。
作者没有让 KAN 从零猜价格。模型先用一个闭式基准给出大致结果，再只学习基准与模拟价格之间的差值，也就是“残差”。损失端采用复合泊松模型：先随机决定灾害发生几次，再为每次灾害抽取一个对数正态损失，最后加总。这个设计把学习目标缩成较平滑的小修正，也更方便删去弱连接、细化拟合，并提取符号公式。
值得注意的是，论文还讨论了价格随灾害到达强度、初始短期利率和触发门槛变化时应保持的单调方向，并给出约束 KAN 的办法。作者称，提取出的公式在完全独立的模拟样本上取得较低平均相对误差；但供稿文本缺失具体数值，因此目前只能把它看作一次兼顾速度、精度与可解释性的定价试验。