第一届ICLR会议，即国际学习表征会议的首届会议，于2013年举行。该会议由Yann LeCun和Yoshua Bengio于2012年创立，首届活动于2013年4月底或5月初举办。会议旨在为学习表征研究提供一个专门的平台，这是机器学习和深度学习的核心领域。与NeurIPS和ICML一起，ICLR此后成为机器学习和人工智能研究中影响力和声誉最高的三大主要会议之一。
ICLR的创立源于对现有会议在表征学习（支撑许多神经网络模型进展的基础）方面缺乏专注讨论的认知缺口。从首届起，该会议就采用了开放同行评审流程来审阅论文，这一模式由Yann LeCun提出。该流程使投稿和评审公开可见，与传统双盲评审系统形成鲜明对比。2013年的活动包括特邀演讲以及被接受论文的口头报告和海报展示，这一形式在后来的各届中得以延续。
创立与组织者
该会议由时任纽约大学的Yann LeCun和蒙特利尔大学的Yoshua Bengio共同创立，两人都是深度学习研究领域的杰出人物。他们的合作始于2012年，目标是创建一个强调学习表征而非特定应用结果的平台。开放评审模式是对传统同行评审中感知到的低效的直接回应，旨在提高透明度和反馈速度。首届会议的程序委员会包括来自学术界和工业界的研究人员，尽管完整名单并未广泛记录。
开放同行评审流程
首届ICLR的一个标志性特征是其开放同行评审系统，论文投稿、评审和作者回复均公开张贴在会议网站上。这一由LeCun提出的模式允许在评审期间及之前进行社区范围的讨论。与传统会议中评审保密的做法不同，ICLR的流程鼓励更广泛的意见输入和论文的迭代改进。该方法在当时具有实验性，此后影响了其他会议，但也因潜在的偏见和评审工作负担而受到批评。2013年的会议成为这一流程的试验场，该流程至今仍是ICLR的标志。
项目与内容
2013年的项目包括领先研究者的特邀演讲以及以口头或海报形式展示的投稿论文。涵盖的主题包括无监督学习、深度架构以及视觉和语言的表征学习。首届会议的具体论文并未详尽编目，但会议吸引了来自多伦多大学、斯坦福人工智能实验室和麻省理工学院计算机科学与人工智能实验室等机构团队的投稿。活动在单一地点举行，首年没有卫星研讨会，而是专注于紧凑的高质量展示项目。
影响与遗产
首届ICLR确立了一个模板，后来发展成为机器学习领域最具选择性和影响力的会议之一。其开放评审流程和对表征学习的强调帮助塑造了后续研究方向，尤其是在深度学习方面。到2025年，ICLR持续位列AI研究的顶级会议之一，接受率通常低于30%。2013年的会议被公认为该领域的基础性时刻，早于Transformer模型和大型语言模型系统的兴起，而这些系统主导了当代研究。会议的成功也验证了开放评审模式，其他会议已以修改形式采纳了这一模式。
参见
- ICML
- NeurIPS
- AAAI人工智能会议
参考文献
- 来源事实取自维基百科（CC BY-SA）。
外部链接
- 官方网站（在此上下文中不可用）。