Buchumschlag

Towards Quantifying Long-Range Interactions in Graph Machine Learning: a Large Graph Dataset and a Measurement

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liang, Huidong, Borde, Haitz Sáez de Ocáriz, Sripathmanathan, Baskaran, Bronstein, Michael, Dong, Xiaowen
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Mathematical Foundations of Geometric Deep Learning
von: Borde, Haitz Sáez de Ocáriz, et al.
Veröffentlicht: (2025)

k-Maximum Inner Product Attention for Graph Transformers and the Expressive Power of GraphGPS
von: De Schouwer, Jonas, et al.
Veröffentlicht: (2026)

On the Impact of Downstream Tasks on Sampling and Reconstructing Noisy Graph Signals
von: Sripathmanathan, Baskaran, et al.
Veröffentlicht: (2025)

On the Impact of Sample Size in Reconstructing Noisy Graph Signals: A Theoretical Characterisation
von: Sripathmanathan, Baskaran, et al.
Veröffentlicht: (2024)

Scalable Message Passing Neural Networks: No Need for Attention in Large Graph Representation Learning
von: Borde, Haitz Sáez de Ocáriz, et al.
Veröffentlicht: (2024)

Beyond Parallelism: Synergistic Computational Graph Effects in Multi-Head Attention
von: Borde, Haitz Sáez de Ocáriz
Veröffentlicht: (2025)

Neural Spacetimes for DAG Representation Learning
von: Borde, Haitz Sáez de Ocáriz, et al.
Veröffentlicht: (2024)

On Measuring Long-Range Interactions in Graph Neural Networks
von: Bamberger, Jacob, et al.
Veröffentlicht: (2025)

Fine-Tuning Next-Scale Visual Autoregressive Models with Group Relative Policy Optimization
von: Gallici, Matteo, et al.
Veröffentlicht: (2025)

Neural Snowflakes: Universal Latent Graph Inference via Trainable Latent Geometries
von: Borde, Haitz Sáez de Ocáriz, et al.
Veröffentlicht: (2023)

LoRA Fine-Tuning Without GPUs: A CPU-Efficient Meta-Generation Framework for LLMs
von: Arabpour, Reza, et al.
Veröffentlicht: (2025)

Metric Learning for Clifford Group Equivariant Neural Networks
von: Ali, Riccardo, et al.
Veröffentlicht: (2024)

Bridging Graph and State-Space Modeling for Intensive Care Unit Length of Stay Prediction
von: Zi, Shuqi, et al.
Veröffentlicht: (2025)

Sharp Generalization Bounds for Foundation Models with Asymmetric Randomized Low-Rank Adapters
von: Kratsios, Anastasis, et al.
Veröffentlicht: (2025)

Closed-Form Diffusion Models
von: Scarvelis, Christopher, et al.
Veröffentlicht: (2023)

The Stepwise Informativeness Assumption: Why are Entropy Dynamics and Reasoning Correlated in LLMs?
von: Català, Mar Gonzàlez I, et al.
Veröffentlicht: (2026)

Soro: A Lightweight Foundation Model and Chatbot for Tajik
von: Liashkov, Stanislav, et al.
Veröffentlicht: (2026)

Can Graph Foundation Models Generalize Over Architecture?
von: Gutteridge, Benjamin, et al.
Veröffentlicht: (2026)

Structured Captions Improve Prompt Adherence in Text-to-Image Models (Re-LAION-Caption 19M)
von: Merchant, Nicholas, et al.
Veröffentlicht: (2025)

Approximation Rates and VC-Dimension Bounds for (P)ReLU MLP Mixture of Experts
von: Kratsios, Anastasis, et al.
Veröffentlicht: (2024)

Bayesian Optimization of Functions over Node Subsets in Graphs
von: Liang, Huidong, et al.
Veröffentlicht: (2024)

Learning 3D Hypersonic Flow with Physics-Enhanced Neural Fields: A Case Study on the Orion Reentry Capsule
von: Borde, Haitz Sáez de Ocáriz, et al.
Veröffentlicht: (2026)

Keep It Light! Simplifying Image Clustering Via Text-Free Adapters
von: Li, Yicen, et al.
Veröffentlicht: (2025)

Every Feedforward Neural Network Definable in an o-Minimal Structure Has Finite Sample Complexity
von: Kratsios, Anastasis, et al.
Veröffentlicht: (2026)

DreamUp3D: Object-Centric Generative Models for Single-View 3D Scene Understanding and Real-to-Sim Transfer
von: Wu, Yizhe, et al.
Veröffentlicht: (2024)

On Vanishing Gradients, Over-Smoothing, and Over-Squashing in GNNs: Bridging Recurrent and Graph Learning
von: Arroyo, Álvaro, et al.
Veröffentlicht: (2025)

On the Importance of Task Complexity in Evaluating LLM-Based Multi-Agent Systems
von: Tang, Bohan, et al.
Veröffentlicht: (2025)

Classification Fields: Arbitrarily Fine Recursive Hierarchical Clustering From Few Examples
von: Li, Yicen, et al.
Veröffentlicht: (2026)

TGM: a Modular and Efficient Library for Machine Learning on Temporal Graphs
von: Chmura, Jacob, et al.
Veröffentlicht: (2025)

Graph-Mamba: Towards Long-Range Graph Sequence Modeling with Selective State Spaces
von: Wang, Chloe, et al.
Veröffentlicht: (2024)

Mitigating Model Drift in Developing Economies Using Synthetic Data and Outliers
von: Varshavskiy, Ilyas, et al.
Veröffentlicht: (2025)

gLSTM: Mitigating Over-Squashing by Increasing Storage Capacity
von: Blayney, Hugh, et al.
Veröffentlicht: (2025)

Oversmoothing, Oversquashing, Heterophily, Long-Range, and more: Demystifying Common Beliefs in Graph Machine Learning
von: Arnaiz-Rodriguez, Adrian, et al.
Veröffentlicht: (2025)

Future Directions in the Theory of Graph Machine Learning
von: Morris, Christopher, et al.
Veröffentlicht: (2024)

Long-Range Graph Wavelet Networks
von: Guerranti, Filippo, et al.
Veröffentlicht: (2025)

Supercharging Graph Transformers with Advective Diffusion
von: Wu, Qitian, et al.
Veröffentlicht: (2023)

Cooperative Graph Neural Networks
von: Finkelshtein, Ben, et al.
Veröffentlicht: (2023)

GraphFM: Graph Factorization Machines for Feature Interaction Modeling
von: Wu, Shu, et al.
Veröffentlicht: (2021)

Score Distillation via Reparametrized DDIM
von: Lukoianov, Artem, et al.
Veröffentlicht: (2024)

Heterogeneous Graph Structure Learning through the Lens of Data-generating Processes
von: Jiang, Keyue, et al.
Veröffentlicht: (2025)