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

Vikas Garg

ICLR 2026×5推理数据与预训练理论与学习动力学
新星分资深
18
一作贡献0
核心/参与14
方向广度6
合作网络0
0 一作 · 5 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

5
作者位次 #2/2ICLR 2026Poster· Deep Learning / Generative Models and Autoencoders

Composition of Pretrained Diffusion Models: A Logic-Based Calculus

Peter Blohm · Vikas Garg

推理数据与预训练OpenReview
作者位次 #2/2ICLR 2026Poster

Frozen Priors, Fluid Forecasts: Prequential Uncertainty for Low-Data Deployment with Pretrained Generative Models

Fernando Ruiz-Mazo · Vikas Garg

数据与预训练OpenReview
作者位次 #3/3ICLR 2026Poster· Deep Learning / Graph Neural Networks

Contraction and Hourglass Persistence for Learning on Graphs, Simplices, and Cells

Mattie Ji · Indradyumna Roy · Vikas Garg

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

The Logical Expressiveness of Topological Neural Networks

Amirreza Akbari · Amauri Souza · Vikas Garg

推理理论与学习动力学OpenReview

常见合作者