paper.dinq.meAI 与前沿科学顶会 · 学术新星雷达
登录 DINQ
返回新星榜
FE

Federico Errica

ICLR 2026×3可解释性评测与基准理论与学习动力学
新星分新星
59
一作贡献30
核心/参与10
方向广度6
合作网络3
1 一作 · 3 篇 · ICLR 2026

获取完整研究档案

首次获取该候选人的完整档案及 StartLux 评估共 20 积分；每位用户单独解锁，之后查看免费。主动刷新 20 积分。

联系方式

实时查找电子邮箱，费用不超过20积分；未找到邮箱不扣费。

2026 顶会论文

3
作者位次 #2/2ICLR 2026Poster· Deep Learning / Graph Neural Networks

Oversmoothing, "Oversquashing'', Heterophily, Long-Range, and more: Demystifying Common Beliefs in Graph Machine Learning

Adrián Arnaiz-Rodríguez · Federico Errica

OpenReview

常见合作者

HCHenrik Christiansen×2FAFrancesco Alesiani×2VZViktor ZaverkinMNMathias NiepertJMJoël MathysTMTakashi MaruyamaAAAdrián Arnaiz-Rodríguez