第38届算法学习理论国际会议

ALT 是算法学习理论领域的经典国际会议，2027 年为第 38 届。会议聚焦机器学习的全部理论与算法层面，涵盖学习算法设计与分析、统计与计算学习理论、在线学习、优化、强化学习、大语言模型理论、可信 AI、鲁棒性、深度学习理论、核方法、贝叶斯方法等方向，是机器学习理论方向重要的学术交流平台。

1.出版信息
所有录用论文将以 Proceedings of Machine Learning Research (PMLR) 卷册形式出版。作者在录用后可选择发表全文，或发表一页扩展摘要并指向开放获取的完整论文存档版本。会议论文集将在会议期间在线发布。

2.组委会信息

• Program committee chairs：Surbhi Goel（University of Pennsylvania）、Nikita Zhivotovskiy（University of California, Berkeley）

• Local chairs：Fabian Damken（University of Twente）、Dirk van der Hoeven（Leiden University）、Wouter M. Koolen（University of Twente）、Valentina Masarotto（Leiden University）

• 学习算法设计与分析

• 学习理论经典基础：统计、计算、算法、信息论基础

• 在线学习、多智能体学习与博弈论

• 优化：凸与非凸方法、隐式偏差、过参数化

• 学习范式：监督、无监督、半监督、主动学习、强化学习

• 强化学习：经典控制论视角、LLM 后训练等现代应用、新算法

• 大语言模型、Transformer 及相关理论问题

• 可信 AI 与 AI 安全的理论视角：隐私、自适应数据分析、公平性、对齐

• 鲁棒性：训练数据污染、对抗样本、LLM 越狱

• 分布偏移下的学习：领域自适应、分布外泛化

• 深度学习理论：经典与现代架构的近似、泛化、优化

• 统计学：渐近理论、高维统计、非参数方法、因果推断

• 代数或组合结构学习

• 贝叶斯方法

• 核方法

• 可解释性与可说明性

• 算法约束下的学习：分布式、通信高效、内存高效、联邦学习、流式学习

• 不同数据模态的学习：时间序列、序列到序列映射、图数据

• 采样方法的数学分析：扩散模型及其他实用方法

• 提交系统：OpenReview（algorithmiclearningtheory.org/ALT/2027/Conference）

• 格式要求：遵循 JMLR 格式；无页数上限，但前 12 页（不含参考文献）应清晰呈现主要贡献与核心论证，超出部分审稿人可能不阅读

• 审稿方式：非完全双盲——作者身份对高级程序委员会（SAC）成员可见，但对审稿人匿名；投稿中仍需匿名化处理（隐去姓名、单位、致谢、基金等）

• 双投稿政策：与已发表、已录用或平行投稿于其他有会议论文集会议的文章实质性相似者，不得投递 ALT

• 生成式 AI 政策：允许使用生成式 AI 辅助准备稿件，但作者对全部内容负责；AI 不得列为作者；实质性使用需在投稿中设“Use of Generative AI”章节披露

• 录用后出版选择：可选择 PMLR 全文，或一页扩展摘要 + 开放获取完整论文存档链接