国际机器学习会议（ICML）

是什么

国际机器学习会议（International Conference on Machine Learning，简称ICML）是一年一度的机器学习学术会议，自1980年起每年举办^[1]。它是机器学习领域历史最悠久的会议，与NeurIPS、ICLR并列为机器学习与人工智能研究中影响力与声誉最高的三个主要会议^[1]。会议的组织方是国际机器学习学会（International Machine Learning Society，IMLS）^[1]。ICML官方网站把自己描述为致力于推动机器学习这一人工智能分支的专业人士的首要聚会，并称它是世界上增长最快的人工智能会议之一^[2]。

由来

ICML最初并不是以会议的形式出现的，而是「国际机器学习研讨会」（International Workshop on Machine Learning）。第一次活动于1980年7月在匹兹堡的卡内基梅隆大学举行，组织者是Jaime Carbonell、Ryszard S. Michalski和Tom M. Mitchell^[1]。这一研讨会系列运行多年之后，于1993年转为完整的会议系列，并改用现在的名称^[1]。

覆盖范围与特点

ICML的征稿范围覆盖机器学习的各个方向。与另外两个主要的机器学习会议相比，它传统上在统计学习理论、强化学习与机器人学、以及优化理论方面收录的内容更多^[1]。按照官方网站的说法，会议展示和发表的是机器学习各个方面的前沿研究，涉及人工智能、统计学、数据科学等紧密相关领域，也包括机器视觉、计算生物学、语音识别和机器人学等重要应用方向^[2]。

规模的变化

从投稿数据可以看出这个会议这些年的扩张。2015年投稿量为1037篇、接收270篇；到2025年，投稿量增至12107篇、接收3260篇；这一期间的平均接收率在2020年的21%与2024年的30%之间^[1]。2026年，会议收到的投稿达到创纪录的24371篇，其中2.2%被定为spotlight报告、0.7%被定为口头报告^[1]。

论文发表在哪里

自2010年代起，ICML的会议论文集以开放获取方式发表在《机器学习研究论文集》（Proceedings of Machine Learning Research，PMLR）上，该刊于2015年改用现在的名称^[1]。正式论文集托管在proceedings.mlr.press，会议官网提供了该站点的链接^[2]。在ICML上发表的工作包括Google的Batch Normalization、Google Brain的EfficientNet（ICML 2019）、OpenAI的CLIP（ICML 2021）以及加州大学伯克利分校的Soft Actor-Critic（ICML 2018）^[1]。

在领域中的位置

ICML的地位来自历史、规模与广度三者的叠加。它1980年以研讨会起步，1993年转为正式会议，在机器学习领域运行的时间长于其他同类会议；如今它每年处理的投稿以万计^[1]。会议内容从统计学习理论与优化，一直延伸到机器人学以及计算生物学、语音识别等应用方向，论文则通过PMLR免费公开^[1][2]。对于想了解某一年机器学习研究大致走向的读者来说，ICML的论文集是通常会被查阅的几处来源之一。