国际会议

  • ML会议（如 ICLR、ICML、NeurIPS）

  • NLP会议（如 ACL、EMNLP、NAACL）

说明

  • 在计算机科学领域，顶级学术会议的重要性远高于期刊。这与很多其他学科（如生物、化学、材料）以期刊为主要阵地的文化完全不同。

ICLR

  • ICLR 是 International Conference on Learning Representations（国际学习表征会议） 的缩写

  • 是当前人工智能和深度学习领域最顶尖的国际会议之一，与 NeurIPS、ICML 并列为机器学习“三大顶会”。

  • 简称：ICLR（发音类似 “eye-clear”）

  • 创建时间：2013 年，由 Yoshua Bengio（深度学习三巨头之一）和 Yann LeCun 发起

  • 相关链接

✅ 会议主题：

专注于 深度学习（Deep Learning） 和 学习表征（Representation Learning），包括但不限于：

  • 神经网络理论与方法

  • 自监督/对比学习

  • 表征学习

  • 生成模型（如GAN/VAE）

  • 多模态学习（文本、图像、语音）

  • Transformers、Diffusion Models 等

  • 应用于 NLP、CV、RL、图神经网络等领域

🧪 ICLR 的特色

特点

描述

✅ 开放式审稿

所有投稿在 OpenReview 上公开，社区可以参与评论与讨论

✅ 匿名双盲审稿

作者与审稿人身份互相保密，确保评审公平

✅ 快速迭代

社区可在评审过程中提出建议，作者可根据反馈更新论文

✅ 在线交流为主

相较于传统线下会议，ICLR 更加注重线上发布与讨论

📈 学术影响力

  • ICLR 接收的论文代表当前最前沿的研究方向

  • 顶级 AI 公司（OpenAI、DeepMind、Google、Meta）和高校（MIT、Stanford、Berkeley）每年大量投稿

  • 常见于大模型、预训练方法、优化器、结构改进等关键技术发布场所

NeurIPS

  • ✅ 全称：Conference on Neural Information Processing Systems

  • 曾用名：NIPS（2018 年起正式更名为 NeurIPS）

  • ✅ 中文名：神经信息处理系统大会

  • ✅ 简称：NeurIPS（发音为 “new-rips”）

  • 📚 定义：NeurIPS 是人工智能、机器学习、统计学习、生物智能计算等交叉领域的顶级学术会议之一

    • 该会议论文难度极高、投稿竞争极为激烈，代表着当前 AI 领域的最前沿水平。

🎯 主要研究方向

  • 机器学习理论与应用

  • 深度学习与神经网络

  • 大模型与预训练方法

  • 优化算法（如Adam、SGD、L-BFGS等）

  • 强化学习（RL）

  • 图神经网络（GNN）

  • 自然语言处理（NLP）

  • 计算机视觉（CV）

  • 神经科学与计算神经学

  • 公平性、可解释性、安全性

  • AI for Science（AI + 生物、物理、量子计算等）

🔍 NeurIPS 的特点

特点

描述

🎓 学术地位极高

是全球投稿量最多、引用量最高的 AI 会议之一

🧪 强调理论与实践结合

鼓励从数学/统计/计算神经科学角度研究 AI

🤖 大厂/高校齐聚

Google、OpenAI、Meta、DeepMind，MIT、Stanford、Tsinghua 等踊跃参与

📈 接收率极低

每年投稿超一万篇，接收率通常在 20% 以下

💬 高质量评审与讨论

双盲审稿，附带长评，意见权威且具有建设性

🔬 附带多个 Workshop

包含强化学习、可解释AI、多模态等多个前沿专题 Workshop

📌 官方资源

📈 学术影响力

  • 曾发表重要论文如：

    • Transformer 原始论文（Attention Is All You Need）

    • AlphaFold/AlphaGo 系列技术论文

    • GAN 系列的重要进展

  • 常成为 GPT 系列、大模型结构、优化器研究的首发地

🏆 对比 ICLR / ICML

会议

侧重点

评审方式

创办时间

NeurIPS

理论+算法+神经科学，交叉更广

双盲审稿

1987

ICLR

表征学习+大模型，偏深度学习

开放审稿

2013

ICML

机器学习理论与模型创新

双盲审稿

1980s

ICML

  • ✅ 全称：International Conference on Machine Learning

  • ✅ 中文名：国际机器学习大会

  • ✅ 简称：ICML（发音为 “I-C-M-L”）

  • 定义：ICML 是人工智能与机器学习领域最顶级的国际学术会议之一，与 NeurIPS 和 ICLR 并称为 机器学习三大顶会（Top 3）。

    • 它重点关注机器学习的理论研究、算法创新、实际应用等，是全球 AI 研究人员投稿数量和引用数量最多的会议之一。

🎯 主要研究方向

  • 机器学习理论

    • 泛化理论、PAC学习、统计学习理论

  • 优化算法

    • SGD、Adam、自适应学习率、收敛性分析

  • 深度学习

    • 网络结构设计（如ResNet、Transformer）

  • 自监督学习 / 表征学习

  • 强化学习（Reinforcement Learning）

  • 生成模型（VAE、GAN 等）

  • 图神经网络（GNN）

  • 因果推断、贝叶斯推理

  • 公平性、可解释性、鲁棒性

  • AutoML、元学习（Meta Learning）

  • 实际应用：推荐系统、CV、NLP、医疗、金融、机器人等

🔍 ICML 的特点

特点

描述

📚 强调算法和理论基础

比 ICLR 更强调严谨性和创新性，非常适合基础研究者

🤖 投稿数量极高

每年收到约 7000-8000 篇投稿，接收率仅 20% 左右

📈 学术影响力广泛

许多基础算法如 XGBoost、DQN、Adam、BayesNet 的改进都在 ICML 首发

👥 双盲审稿机制

审稿人与作者互相匿名，保障公平性

🧠 国际化程度高

多语言、多机构参与，来自 Google, Meta, DeepMind, MSR, 清华, 中科院 等

🌐 官方资源

🔝 一线会议（顶会，按研究方向）

🧠 一、综合性 AI 顶会（含机器学习、NLP、CV 等多个方向）

会议

全称

简介

AAAI

Association for the Advancement of Artificial Intelligence

历史悠久的人工智能大会，偏综合性

IJCAI

International Joint Conference on Artificial Intelligence

与 AAAI 类似，偏向符号推理、图算法等传统 AI

AISTATS

Artificial Intelligence and Statistics

机器学习 + 统计的融合，理论性强、投稿难度略低于 ICML

📜 二、自然语言处理（NLP）

会议

全称

简介

ACL

Association for Computational Linguistics

NLP 第一顶会，几乎所有主流语言模型论文都出现在这里

EMNLP

Empirical Methods in Natural Language Processing

更偏实证方法，与 ACL 并列

NAACL

North American Chapter of the ACL

ACL 系列的北美分会，侧重英文和多语种研究

COLING

International Conference on Computational Linguistics

NLP 老牌会议，偏语言学与计算结合

👁️ 三、计算机视觉（CV）

会议

全称

简介

CVPR

IEEE Conference on Computer Vision and Pattern Recognition

CV 第一顶会，工业界/学术界高度活跃

ICCV

International Conference on Computer Vision

CVPR 姊妹会议，交替举办

ECCV

European Conference on Computer Vision

欧洲主办，CVPR 在欧洲的对应会议

🤖 四、机器人 / 强化学习 / 控制

会议

全称

简介

CoRL

Conference on Robot Learning

专注机器人与 RL 交叉

ICRA

IEEE International Conference on Robotics and Automation

工程导向强，硬件+控制+算法结合

IROS

IEEE/RSJ International Conference on Intelligent Robots and Systems

与 ICRA 并列机器人顶会

🧪 五、自动化科学 / 其他 AI 交叉

会议/期刊

简介

UAI (Uncertainty in AI)

侧重不确定性建模、贝叶斯推理等

KDD (Knowledge Discovery and Data Mining)

数据挖掘第一顶会，包含机器学习、图挖掘等内容

WWW / TheWebConf

万维网会议，聚焦图神经网络、推荐系统等

ICDE / VLDB / SIGMOD

数据库会议，但大量论文涉及机器学习在大数据中的应用

📰 期刊推荐（影响因子高，可用于毕业或深度研究）

期刊

简介

JMLR（Journal of Machine Learning Research）

ML 最权威的期刊，ICML 姊妹刊

TMLR（Transactions on Machine Learning Research）

NeurIPS 发起的新期刊，快速审稿，开放评论

IEEE TPAMI

CV 与 AI 领域影响力极高

MLJ（Machine Learning Journal）

传统但权威，接受较长篇论文

Pattern Recognition

CV + 机器学习方向的老牌期刊

AIJ（Artificial Intelligence Journal）

传统 AI 与现代 AI 理论交汇处

📌 总结：怎么选择发表会议或期刊？

情况

建议会议/期刊

目标是刷顶会，毕业/晋升/求职用

NeurIPS / ICML / ICLR / CVPR / ACL / AAAI 等

偏应用、想快速发表

EMNLP、AISTATS、CoRL、KDD、TMLR

偏理论、长周期打磨论文

JMLR、TPAMI、AIJ、MLJ 等期刊

工作方向交叉（如推荐系统、图算法）

WWW、WSDM、KDD、SIGIR、UAI、ICDE 等