第15届国际学习表征会议

ICLR是深度学习与表征学习领域的顶级国际会议，也是全球增长最快的AI会议之一。ICLR 2027为第15届，将汇聚学术界与工业界的研究者、工程师、创业者及学生，展示深度学习各方向的前沿研究。会议采用完全公开的同行评审（OpenReview），所有投稿、评审意见与作者回复均对公众可见，这一开放评审文化是ICLR区别于多数AI会议的标志性特征。

1. 检索信息：ICLR在第三方学术索引中为CCF-A类会议；Scopus部分年度收录，Google Scholar全面收录。

2. 出版信息：录用论文的论文集统一托管于OpenReview平台，通过Crossref注册DOI，提供标准BibTeX引用元数据，官网年度索引可回溯至2013年。ICLR不走传统的Springer LNCS等出版社渠道，论文以开放获取形式在OpenReview上持久存档。

3. 组委会信息（部分关键职位）：

   • Board President：Yann LeCun（New York University & Advanced Machine Intelligence (AMI) Labs）

   • Secretary：Katja Hofmann（Microsoft）

   • Treasurer：Been Kim

   • Board Members：Yan Liu、Yisong Yue、Colin Raffel、Bharath Hariharan、Alice Oh、Carl Vondrick

• 无监督、自监督、半监督与监督表征学习

• 迁移学习、元学习与终身学习

• 强化学习

• 计算机视觉、音频、语言及其他模态的表征学习

• 度量学习、核学习与稀疏编码

• 概率方法（贝叶斯方法、变分推断、采样、不确定性量化等）

• 生成模型

• 因果推理

• 优化

• 学习理论

• 图及其他几何与拓扑结构上的学习

• 社会考量（公平性、安全性、隐私）

• 学习表征的可视化与解释

• 数据集与基准

• 基础设施、软件库、硬件

• 神经符号与混合AI系统（物理信息、逻辑与形式推理等）

• 机器人、自主性与规划应用

• 神经科学与认知科学应用

• 物理科学应用（物理、化学、生物等）

• 通用机器学习

• 投稿系统：OpenReview（https://openreview.net/group?id=ICLR.cc/2027/Conference）

• 评审方式：双盲评审；所有投稿、评审、回复与元评审均公开可读

• 页数限制：投稿时正文不超过9页；讨论/反驳阶段及Camera-ready可增至10页；参考文献不限页数，附录页数不限（但审稿人无义务阅读附录）

• 格式模板：须使用ICLR 2027官方LaTeX样式文件