第三十届人工智能与统计学年会

AISTATS 是人工智能与统计学交叉领域的首要国际会议，创办于1985年，核心定位是推动计算机科学、人工智能、机器学习、统计学及相关领域之间的思想交流与实质性合作。会议强调对统计基础的严谨性，是展示概率建模、统计学习方法与理论贡献的主要场所。

1. 检索信息

• 会议论文收录于 PMLR（Proceedings of Machine Learning Research） 系列，该系列在 EI Compendex 与 Scopus 中可检索。

2. 出版信息

• 出版载体：Proceedings of Machine Learning Research (PMLR)。

• 论文经同行评审录用后，在会议报告，并发表于 PMLR 档案库。

• AISTATS 2027 的 CCF 分类为 C 类，ICORE 评级为 A 类。

3. 组委会信息

• General Chairs：Aaditya Ramdas（Stanford University）；Arno Solin（ELLIS Institute Finland / Aalto University）。

• Program Chairs：Quentin Berthet（Google DeepMind）；Aymeric Dieuleveut（École Polytechnique）。

• Workflow Chairs：Mathieu Dagréou（INRIA）；Jean-Baptiste Fermanian（INRIA/INRAE）。

• Publication Chair：Martin Trapp（KTH Royal Institute of Technology）。

• Board 成员：President — Arindam Banerjee；Secretary — Silvia Chiappa；Treasurer — Daryl Pregibon；Board Members — Kenji Fukumizu、Neil D. Lawrence、Marina Meila、Bernhard Scholkopf。

• 人工智能与机器学习：概率建模、统计学习、深度学习理论、大模型相关方法。

• 统计学与机器学习交叉：统计推断、不确定性量化、高维统计、因果推断。

• 机器学习应用与实证研究：面向真实场景的方法论与实验分析。

• Workshop 专题：鼓励围绕 AISTATS 社区关心的及时主题组织 Workshop，主题应聚焦且具体（例如“分布偏移下的不确定性表示”），而非宽泛标题。

• 投稿通过 OpenReview 进行（https://openreview.net/group?id=aistats.org/AISTATS/2027/Conference）。

• 摘要与全文分开提交，全文截稿时须一并提交所有补充材料，2027 年起不再设置单独的补充材料截止日期。

• 论文录用后发表于 PMLR，并需在会议期间进行报告。