Adrián Arnaiz-Rodríguez

Investigador Posdoctoral
ELLIS Member

Adrián Arnaiz Rodríguez ha sido estudiante de doctorado (2021-2025) e investigador postdoctoral (2025-2026) en ELLIS Alicante. Es research scientist especializado en evaluación de IA, IA confiable, sistemas sociotécnicos y graph neural networks (GNN).

Obtuvo su doctorado (cum laude) en Septiembre de 2025 en ELLIS Alicante (y Universidad de Alicante) bajo la supervisión de Nuria Oliver (ELLIS Alicante) y Miguel Ángel Ortega (Universidad de Alicante). Realizó su estancia en el Max Planck Institute for Software Systems (MPI-SWS) bajo la supervisión de Manuel Gómez Rodríguez. Su tesis doctoral se centró en la justicia algorítmica en sistemas IA en toma de decisiones y sistemas de recomendación, tanto desde propuestas técnicas de evaluación y mitigación, como su intersección con la regulación. También realizó investigación en redes neuronales de grafo (GNN). El título de su tesis fue "A Sociotechnical Approach to Trustworthy AI: from Algorithms to Regulation". Ha publicado en importantes foros de ML/AI (por ejemplo, ICML, ICLR, WWW, ECML-PKDD, ICWSM), ha obtenido premios por sus contribuciones (best paper, best reviewer) y ha formado parte del equipo organizador de varias conferencias (por ejemplo, ICML, LoG).

Estudió un Grado en Ingeniería Informática (2019, Universidad de Burgos) y Máster en Ciencia de Datos e Inteligencia Artificial (2021, Universitat Oberta de Catalunya).

En detalle, los temas que ha abordado en su investigación son la justicia, fiabilidad y la transparencia en la toma de decisiones algorítmicas y sistemas de recomendación cuando se utilizan sistemas de IA o GPAI, con especial interés en sus evaluaciones y propuestas técnicas. En su faceta más técnica se enfoca en los problemas de las redes neuronales de grafo, y en su faceta más interdisciplinar se enfoca en la intersección de los sistemas de IA con la regulación, tanto nueva como existente.

Sitio web: https://adrianarnaiz.me/

Enlace al perfil del ORCID:

https://orcid.org/0000-0001-5567-801X

Publicaciones en asociación con ELLIS Alicante.

2026

09/01

Arnaiz-Rodríguez, A., Kazeeva, I., Schweighofer, K., & Oliver, N. (2026, septiembre). Kann ein Algorithmus fair sein? Technische und rechtliche Perspektiven. In ailex.

04/24
Rio de Janeiro, BR

Arnaiz-Rodríguez, A., & Errica, F. (2026, abril). Oversmoothing, Oversquashing, Heterophily, Long-Range, and more: Demystifying Common Beliefs in Graph Machine Learning. In The Fourteenth International Conference on Learning Representations (ICLR 2026).

03/01

Arnaiz-Rodríguez, A., Baidal, M., Derner, E., Layton Annable, J., Ball, M., Ince, M., Perez Vallejos, E., & Oliver, N. (2026, marzo). Between Help and Harm: An Evaluation of Mental Health Crisis Handling by LLMs. In JMIR Mental Health.

2025

09/29

Arnaiz-Rodríguez, A., Baidal, M., Derner, E., Layton Annable, J., Ball, M., Ince, M., Perez Vallejos, E., & Oliver, N. (2025, septiembre). Between Help and Harm: An Evaluation of Mental Health Crisis Handling by LLMs. In Under review.

09/26
Alicante, ES

Arnaiz-Rodriguez, A. (2025, septiembre). A Sociotechnical Approach to Trustworthy AI: from Algorithms to Regulation. In PhD Thesis, University of Alicante.

Defensa de Tesis

09/15
Porto, PT

Arnaiz-Rodríguez, A., Corvelo Benz, N., Thejaswi, S., Oliver, N., & Gomez Rodriguez, M. (2025, septiembre). Towards Human-AI Complementarity in Matching Tasks. In The Third Workshop on Hybrid Human-Machine Learning and Decision Making (HLDM'25) at ECML-PKDD 2025.

Oral

09/15
Porto, PT

Arnaiz-Rodríguez, A., & Errica, F. (2025, septiembre). Oversmoothing, Oversquashing, Heterophily, Long-Range, and more: Demystifying Common Beliefs in Graph Machine Learning. In 22nd International Workshop on Mining and Learning with Graphs at ECML-PKDD 2025.

Premio al Mejor Artículo en MLG 2025 en ECML-PKDD 2025

07/18
Vancouver, CA

Schweighofer, K., Arnaiz-Rodríguez, A., Hochreiter, S., & Oliver, N. (2025, julio). The Disparate Benefits of Deep Ensembles. In ICML'25: International Conference on Machine Learning.

06/07
Copenhagen, DK

Arnaiz-Rodríguez, A., Curto, G., & Oliver, N. (2025, junio). Structural Group Unfairness: Measurement and Mitigation by means of the Effective Resistance. In International AAAI Conference on Web and Social Media (ICWSM).

2024

12/19

Arnaiz-Rodríguez, A., & Losada-Carreño, J. (2024). Studying Causality in Algorithmic Decision Making: the Impact of IA in the Business Environment. Revista Internacional y Comparada de RELACIONES LABORALES Y DERECHO DEL EMPLEO.

11/01

Arnaiz-Rodríguez, A., & Losada-Carreño, J. (2024). Intersection of reliable AI with Labor Law. A legal and technical study from a tripartite taxonomy. Revista General de Derecho del Trabajo y de la Seguridad Social.

07/21
Vienna, AT

Arnaiz-Rodríguez, A., & Velingker, A. (2024, julio). Graph Learning: Principles, Challenges, and Open Directions. In The 41st International Conference on Machine Learning (ICML 2024).

Tutorial

03/06
Singapore, SG

Arnaiz-Rodríguez, A., Curto, G., & Oliver, N. (2024, marzo). Structural Group Unfairness: Measurement and Mitigation by means of the Effective Resistance. In WWW 2024 Workshop on Trustworthy Learning on Graphs (TrustLOG).

03/06
Vienna, AT

Arnaiz-Rodríguez, A., & Oliver, N. (2024, marzo). Towards Algorithmic Fairness by means of Instance-level Data Re-weighting based on Shapley Values. In ICLR 2024 Workshop on Data-centric Machine Learning Research (DMLR).

2023

05/05

Curto, G., Arnaiz-Rodríguez, A., & Oliver, N. (2023, mayo). Algorithms for Social Justice: Affirmative Action in Social Networks. In arXiv:2305.03223.

03/03

Arnaiz-Rodríguez, A., Escolano, F., & Oliver, N. (2023, marzo). FairShap: A Data Re-weighting Approach for Algorithmic Fairness based on Shapley Values. In arXiv:2303.01928.

2022

12/21

Arnaiz-Rodríguez, A., Begga, A., Escolano, F., & Oliver, N. (2022, diciembre). DiffWire: Inductive Graph Rewiring via the Lovász Bound. In Proceedings of the First Learning on Graphs Conference, PMLR (Vol. 198, pp. 15:1-15:27).

01/31

Olivares Gil, A., Arnaiz Rodríguez, A., Ramírez Sanz, J. M., Garrido Labrador, J. L., Ahedo García, V., García Osorio, C., Santos Martín, J. I., & Galán Ordax, J. M. (2022). Mapping the scientific structure of organization and management of enterprises using complex networks. International Journal of Production Management and Engineering, 10(1), 65-76.