第 38 届学习理论年会（COLT 2025）ICFP

仅收录五年以上有检索的国际会议

平台仅发布5年以上有检索的会议
保障会议真实有效

检索类型	EI Compendex	邮箱	colt2025programchairs@gmail.com
会议状态	会议结束	网站	https://www.learningtheory.org/colt2025/
主办单位

会议邮箱	colt2025programchairs@gmail.com
会议状态	会议结束
会议形式	线下会议
网址	https://www.learningtheory.org/colt2025/
转发分享

会议简介重要信息征稿主题主讲嘉宾会议投稿联系方式

会议简介 Brief Introduction01

第 38 届学习理论年会（COLT 2025）将于 2025 年 6 月 30 日至 7 月 4 日在法国里昂举行。我们邀请提交涉及机器学习理论方面的论文，机器学习被广泛定义为计算机科学、统计学和应用数学交叉领域的一门学科。我们强烈支持对学习理论的包容性观点，包括各种背景下可学习性的基本理论方面，以及阐明经验现象的理论。

重要信息 Highlights02

1.程序委员会主席
Nika Haghtalab
美国·加州大学伯克利分校
算法公平性与机器学习理论专家

Ankur Moitra
美国·麻省理工学院
高维统计与生成模型权威学者

2.本地主席
Aurélien Garivier
法国·里昂高等师范学院
强化学习与信息论研究专家

3.开放问题主席
Vianney Perchet
法国·ENSAE巴黎高经院 & Criteo AI实验室
在线学习与博弈论应用先驱

4.出版主席
Wojciech Kotłowski
波兰·波兹南理工大学
统计学习理论与决策优化专家

5.研讨会/教程/社区活动主席
Clément L. Canonne
澳大利亚·悉尼大学
差分隐私与分布测试理论研究者

Nika Haghtalab（兼）

Ankur Moitra（兼）

征稿主题 Call for Paper03

学习算法的设计与分析
学习的统计和计算复杂性
学习优化方法，包括在线和随机优化
人工神经网络理论，包括深度学习
学习中经验现象的理论解释
监督式学习
无监督、半监督学习、领域适应
学习数据中的几何和拓扑结构，流形学习
主动和互动学习
强化学习
在线学习和决策
学习理论与其他数学领域的相互作用
高维和非参数统计
内核方法
因果律
概率图形模型的理论分析
学习中的贝叶斯方法
博弈论和学习
在系统约束（例如隐私、公平、内存、通信）下学习
从复杂数据（例如，网络、时间序列）中学习
神经科学、社会科学、经济学和其他学科的学习

主讲嘉宾 Keynote speaker 04

Francis Bach · Inria
Francis Bach 是 Inria 的研究员，自 2011 年以来一直领导机器学习团队，该团队是巴黎高等师范学院计算机科学系的一部分。他于 1997 年毕业于巴黎综合理工学院，并于 2005 年在加州大学伯克利分校获得计算机科学博士学位，师从迈克尔·乔丹教授。他在巴黎矿业学院的数学形态学小组工作了两年;然后，他于 2007 年至 2010 年加入 Inria/Ecole Normale Supérieure 的计算机视觉项目团队。 Francis Bach 主要对机器学习感兴趣，尤其是稀疏方法、基于内核的学习、神经网络和大规模优化。他于 2024 年通过麻省理工学院出版社出版了《从第一原理学习理论》一书。他于 2009 年获得欧洲研究委员会的启动资助，并于 2016 年获得整合者资助，并于 2012 年获得 Inria 青年研究员奖，2014 年和 2019 年获得 ICML 时间测试奖，2021 年获得 NeurIPS 时间测试奖，以及 2018 年连续优化拉格朗日奖，以及 2019 年获得 Jean-Jacques Moreau 奖。他于 2020 年当选为法国科学院院士。2015 年，他担任机器学习国际会议（ICML）的项目联合主席、2018 年的总主席以及 2021 年至 2023 年的董事会主席;他在 2018 年至 2023 年期间担任 Journal of Machine Learning Research 的联合主编。
Katrina Ligett · 希伯来大学
卡特里娜·利格特是希伯来大学计算机科学与工程学院的教授，她也是跨学科的费德曼理性研究中心的学术主任，她的附属教职员工和技术、社会和网络界面项目（以前称为互联网与社会）的前任负责人。以及 Federmann 网络安全研究中心的附属机构。在加入希伯来大学之前，她是加州理工学院计算机科学和经济学的教师。Katrina 的主要研究兴趣是数据隐私、算法公平性、机器学习理论和算法博弈论。她于 2009 年在卡内基梅隆大学获得计算机科学博士学位，并在康奈尔大学进行博士后研究。她是 ERC Consolidator 资助、NSF CAREER 奖和 Microsoft 教师奖学金的获得者。Katrina 是 2021 年算法学习理论国际会议（ALT）的联合主席、2021 年负责任计算基础研讨会（FORC）的主席，以及 2025 年 ACM 计算机科学与法律研讨会的主席。
Matus Telgarsky · 库朗研究所
Matus Telgarsky 是纽约大学 Courant 数学研究所的助理教授，专门研究深度学习理论。此前，他在 UIUC 受雇并得到宽容。在此之前，他有幸在加州大学圣地亚哥分校获得博士学位，师从 Sanjoy Dasgupta。其他亮点包括：2017 年与 Po-Ling Loh 共同创立和共同主持中西部 ML 研讨会（MMLS）;获得 2018 年 NSF CAREER 奖;组织两个 Simons Institute 项目，一个是深度学习理论（2019 年夏季），另一个是泛化（2024 年秋季）。