|
ICML 2026论文征稿,正式开启! 今天,ICML组委会发布了顶会投稿的相关注意事项,其中有三点至关重要: 已录用论文的作者可自由选择是否参会 公开录用论文的「原始提交版本」 对互审论文数量设置上限
 此外,ICML 2026明确了,允许使用LLM辅助写作或研究,但责任全部由作者承担。 其中包括,由AI生成且可能被认定为剽窃或学术不端的内容。 同时,组委会禁止将LLM列为作者,严禁「提示词注入」,否则直接退稿。  作为第43届国际机器学习大会,ICML 2026将于2026年7月7日-12日在韩国首尔举办。 完整论文提交截止日期:2026年1月28日。
ICML论文征集,全面开启
根据官方公告,所有论文将通过双盲审稿过程进行审查,接受的论文将在大会上展示。 论文必须以单一文件形式准备和提交:主论文8页,参考文献、影响声明和附录页数不限。  没有单独的补充材料提交截止日期。接受论文的最终版本,将允许主论文额外增加一页。 接下来,就是ICML 2026不同以往的政策变更—— 1 接受论文作者的出席为可选 在接受通知后,作者可在指定日期前决定是否希望在大会上亲自展示论文,或者仅希望将论文纳入论文集(而不在大会上展示)。 无论选择哪种方式,所有接受的论文在论文集中将获得同等待遇。 它们都将有资格获得ICML奖项,以及相当于过去「oral presentations」和「spotlight posters」的杰出称号。 对于仅纳入论文集的论文,至少一位作者必须虚拟注册。 2 为接受论文发布原始提交版本,以及相机就绪版(camera-ready version) 对于所有接受的论文,除了相机就绪版外,还将发布以下材料:原始提交版本(包括补充材料)、匿名审稿意见、元审稿意见、反驳以及审稿人与作者讨论。 被拒稿件的作者也将有选项发布他们的原始提交版本、审稿意见、元审稿意见、反驳以及审稿人与作者讨论。 3 互审论文数量设置上限 此外,ICML对同一人可被指定为互惠审稿人的论文数量设置上限,并更新关于在审稿中使用AI工具的政策。 当然了,ICML 2026允许提交论文的主题非常广泛,包括但不限于: 通用机器学习(主动学习、聚类、在线学习、排序、监督、半监督和自监督学习、时间序列分析等) 深度学习(架构、生成模型、理论等) 评估(方法论、元研究、可重复性和有效性、人机交互等) 机器学习理论(统计学习理论、赌博机、博弈论、决策理论等) 机器学习系统(改进实现和可扩展性、硬件、库、分布式方法等) 优化(凸和非凸优化、矩阵/张量方法、随机、在线、非光滑、复合等) 概率方法(贝叶斯方法、图形模型、蒙特卡罗方法等) 强化学习(决策和控制、规划、分层强化学习、机器人学等) 可信机器学习(可靠性、因果性、公平性、可解释性、隐私、鲁棒性、安全等) 应用驱动的机器学习
接下来划重点,重要日期和提交站点—— 提交站点开放:2026年1月8日。 摘要提交截止日期:2026年1月23日AoE(2026年1月24日,UTC-0中午12点)。 完整论文提交截止日期:2026年1月28日AoE(2026年1月29日,UTC-0中午12点)。 注意:立场论文应通过单独的OpenReview站点提交,如立场论文征稿中所述。 AI可以帮你写,但不能署名
在政策中,尤为关键的是生成式AI的使用规定。 这一次,ICML 2026允许作者使用GenAI工具,如大模型,来协助写作或研究。 然而,作者必须对其论文中的所有内容承担全部责任,包括任何可能被视为剽窃或科学不当行为的AI工具生成的内容。  关于互惠审稿,合格的作者必须为ICML进行审稿。不过,有两个要求:每篇提交要求和每位作者要求。 每篇提交要求: 指定的作者应符合同行审稿FAQ中给出的审稿资格定义。今年新规定:一位作者最多可以被指定为其作者的2篇提交的互惠审稿人。 每位作者要求: 如果出现不可预见的合格审稿人短缺,程序主席可能会将阈值降低到3篇提交(如果发生这种情况,新受此要求约束的作者将被通知)。  双盲审稿同以往,所有提交必须匿名化,并且不得包含任何意图或后果违反双盲审稿政策的任何信息。 作者允许在预印本服务器如arXiv上发布其作品的版本。他们也允许在审稿期间就提交的作品进行演讲。 然而,在审稿期间,即从作者提交论文到传达接受/拒绝决定的时间,在任何情况下都不应将该作品宣传为ICML提交。 如果作者在ICML决定做出前已发布或计划发布论文的非匿名版本,则提交版本不得引用该非匿名版本。 作者必须严格遵循同行审稿的标准道德行为。特别是:
此外,作者不得提交与已发表、已接受发表或平行提交到其他会议或期刊的版本相同或实质相似的论文。 此类提交违反我们的双重提交政策,组织者有权拒绝此类提交,或将其从论文集中移除。 任何具有重叠作者集的并发ICML提交也将被视为先前工作,例如,如果发布其中一篇会使另一篇过于增量,则这可能被视为拒绝的理由。 审稿标准要求,提交应报告对机器学习社区具有重大意义的原创且严谨的研究。 所有声明必须明确陈述,并通过可重复的实验和/或可靠的理论分析支持。 贡献必须置于更广泛的科学和机器学习研究文献的背景下,适当承认并区分相关先前工作。 本文内容来源于新智元、ICML 2026官网,内容仅做学术分享之用,版权归原作者所有,不代表本公众号观点或证实其内容的真实性,如有侵权请联系删除,谢谢!
|