| 名称 | 类型 | 公开评审 | 领域重点 | 是否可查审稿 |
|---|---|---|---|---|
| ICML | 顶会（A 类） | 否 | 机器学习核心理论 | 否（PMLR） |
| NeurIPS | 顶会（A 类） | 部分 | 深度学习与交叉领域 | 否（但论文公开） |
| ICLR | 顶会（A 类） | 是 | 表示学习、深度生成模型 | OpenReview |
| arXiv | 预印本平台 | 否 | 所有研究领域 | 否 |
1. ICML – International Conference on Machine Learning
- 全称：International Conference on Machine Learning
- 类型：国际顶级会议（A 类）
- 主办方：PMLR（Proceedings of Machine Learning Research）
- 领域：机器学习理论与方法、优化算法、图模型、强化学习、生成模型等
- 特点：投稿竞争极其激烈，接收率通常在 20%-25% 左右。强调方法创新和理论严谨性，是机器学习领域的“核心会议”。
代表论文：
- Deep Unsupervised Learning using Nonequilibrium Thermodynamics
- Adam: A Method for Stochastic Optimization
- Variational Inference with Normalizing Flows
🔗 官网：https://icml.cc
2. NeurIPS – Conference on Neural Information Processing Systems
- 原名：NIPS（Neural Information Processing Systems）
- 类型：AI / ML / 神经科学顶级会议
- 主办方：NeurIPS Foundation
- 领域：深度学习、生成模型（如 diffusion models）、神经网络结构、AI 应用等
- 特点：极强的跨领域融合色彩，汇集了计算机科学、神经科学、统计学等专家。接收率约 20%。
代表论文：
- Denoising Diffusion Probabilistic Models
- Attention Is All You Need（Transformer 原始论文）
- AlphaFold 论文前身的理论研究也曾在此会议发表
🔗 官网：https://neurips.cc
🔗 论文库：https://papers.neurips.cc
3. ICLR – International Conference on Learning Representations
- 全称：International Conference on Learning Representations
- 类型：深度学习核心会议
- 评审平台：使用 OpenReview（同行评审全公开）
- 领域：representation learning（特征表示学习）、transformers、diffusion models、graph learning 等
- 特点：倡导开放同行评审（OpenReview），提倡 reproducibility 和 community feedback。
代表论文：
- Score-Based Generative Modeling through SDEs
- DDIM: Denoising Diffusion Implicit Models
- SimCLR, BYOL, Vision Transformers 等开创性方法
🔗 官网：https://iclr.cc
🔗 OpenReview 搜索入口：https://openreview.net
4. arXiv – 预印本论文平台
- 不是会议或期刊，而是一个开放获取的论文预印本平台
- 作者可在论文提交评审前上传草稿版本（广泛用于 AI 和物理学）
- 非正式出版物，但很多开创性论文都是先发布在 arXiv 上
- arXiv 上的论文不会经过审稿，但可快速获取研究动态和引用资源
🔗 入口：https://arxiv.org