Die International Conference on Machine Learning (ICML) ist eine jährliche akademische Konferenz, die sich dem maschinellen Lernen widmet, erstmals 1980 stattfand und von der International Machine Learning Society (IMLS) organisiert wird. Sie gilt als die älteste und, zusammen mit NeurIPS und ICLR, als eine der drei wichtigsten Konferenzen mit höchster Wirkung und Reputation in der Forschung zu maschinellem Lernen und künstlicher Intelligenz. Die Konferenz findet in der Regel im Juli statt, mit Einreichungsfrist für Beiträge Ende Januar, wobei die genauen Termine jährlich variieren.
ICML dient als zentrale Plattform für die Präsentation von Fortschritten in der Theorie und Anwendung des maschinellen Lernens und zieht Forscher aus Wissenschaft und Industrie weltweit an. Ihre Proceedings werden im Open Access veröffentlicht, und die Konferenz hat eine grundlegende Rolle bei der Entwicklung moderner künstlicher Intelligenz-Technologien gespielt.
Geschichte
ICML entstand als International Workshop on Machine Learning, der erstmals im Juli 1980 an der Carnegie Mellon University in Pittsburgh tagte. Der Workshop wurde von Jaime Carbonell, Ryszard S. Michalski und Tom M. Mitchell organisiert und lief über ein Jahrzehnt, bevor er 1993 unter dem heutigen Namen in eine vollwertige Konferenzreihe überging. Seit den 2010er-Jahren werden seine Proceedings in den Open-Access-Publikationen Proceedings of Machine Learning Research (PMLR) veröffentlicht, die aus den Workshop and Conference Proceedings des Journal of Machine Learning Research hervorgingen und 2015 in PMLR umbenannt wurden.
Im Laufe der Jahrzehnte hat ICML zahlreiche einflussreiche Beiträge veröffentlicht, die das moderne maschinelle Lernen untermauern. Bemerkenswerte Beispiele sind die Arbeiten des Lawrence Berkeley National Laboratory zu K-Means-Clustering mittels Hauptkomponentenanalyse (2004), die Einführung der Batch-Normalisierung durch Google, EfficientNet von Google Brain (2019), CLIP von OpenAI (2021) und Soft Actor-Critic von UC Berkeley (2018). Diese Beiträge haben Bereiche wie Deep Learning, neuronale Netze und generative KI geprägt.
Der Umfang der Konferenz ist dramatisch gewachsen. Die Einreichungen stiegen von 1.037 Beiträgen (270 angenommen) im Jahr 2015 auf 12.107 Beiträge (3.260 angenommen) im Jahr 2025. Im Jahr 2026 erreichten die Einreichungen mit 24.371 einen Rekordwert und verdoppelten sich damit mehr als im Vorjahr. Die Annahmequoten schwankten zwischen 21 % (2020) und 30 % (2024). Angenommene Beiträge werden als Poster präsentiert, wobei eine Auswahl für mündliche Präsentationen oder als „Spotlight Papers“ von einem Komitee bestimmt wird. Im Jahr 2026 erhielten 2,2 % der Einreichungen Spotlight-Status und 0,7 % wurden für mündliche Präsentationen ausgewählt. Zusätzlich ehrt eine Jury jährlich den besten Beitrag mit dem Outstanding Paper Award, der früher als Best Paper Award bekannt war.
Umfang und Schwerpunkt
Der Umfang der ICML umfasst die gesamte Breite des maschinellen Lernens, mit besonderem Schwerpunkt auf theoretischer Analyse, algorithmischer Innovation und statistischem Lernen. Im Vergleich zu NeurIPS und ICLR enthält ICML traditionell mehr Inhalte zu statistischer Lerntheorie, Verstärkungslernen, Robotik und Optimierungstheorie. Dieser Fokus zieht Forscher an, die sowohl an grundlegenden Fragen als auch an angewandten Systemen arbeiten.
Die jährlichen Proceedings der Konferenz werden in PMLR veröffentlicht, was eine breite Zugänglichkeit für die Forschungsgemeinschaft gewährleistet. Dieses Open-Access-Modell hat zu ICMLs Rolle als zentrale Ressource für Praktiker und Akademiker gleichermaßen beigetragen.
Branchenengagement
ICML zieht erhebliche Sponsoring-Mittel von Technologieunternehmen an, die Zugang zu Spitzenforschung und aufstrebenden Talenten suchen. Große Firmen wie Google, Microsoft, Amazon, Meta und Apple sponsern die Veranstaltung regelmäßig, veröffentlichen dort ihre Forschung und rekrutieren Forscher vor Ort. Auch Finanzinstitutionen wie Citadel Securities, Jane Street Capital und D.E. Shaw sind präsent, was die wachsende Bedeutung des maschinellen Lernens im quantitativen Finanzwesen widerspiegelt.
Dieses Branchenengagement überbrückt akademische Forschung und kommerzielle Anwendung, wobei viele Durchbrüche, die auf ICML präsentiert werden, später ihren Weg in Produkte und Dienstleistungen finden. Die Konferenz dient auch als Vernetzungszentrum und fördert Kooperationen zwischen Universitätslaboren und Unternehmensforschungsabteilungen.
Einfluss und Anerkennung
ICML gilt weithin als erstklassige Veranstaltung im maschinellen Lernen mit einem strengen Peer-Review-Verfahren und einer starken Erfolgsbilanz bei der Veröffentlichung wegweisender Arbeiten. Ihre Beiträge führen häufig Methoden ein, die zu Standardwerkzeugen in diesem Bereich werden, von Optimierungstechniken bis hin zu Modellarchitekturen. Das Wachstum der Einreichungen spiegelt die breitere Expansion der Forschung zum maschinellen Lernen wider, die durch Fortschritte bei Rechenleistung und Datenverfügbarkeit angetrieben wird.
Der Outstanding Paper Award ist eine äußerst wettbewerbsintensive Auszeichnung, die Beiträge würdigt, die den Stand der Technik erheblich voranbringen. Bisherige Gewinner umfassten Arbeiten zu Themen wie Transformatoren, großen Sprachmodellen und skalierbaren Trainingsmethoden, von denen viele spätere Entwicklungen im Deep Learning und darüber hinaus beeinflusst haben.
Siehe auch
- ICLR
- Journal of Machine Learning Research
- NeurIPS