国际机器学习大会（ICML） 是一个致力于机器学习领域的年度学术会议。它被公认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，与神经信息处理系统大会（NeurIPS）和国际学习表征会议（ICLR）并列。ICML由国际机器学习学会（IMLS）组织。该会议通常在七月举行，论文提交截止日期为一月底，但具体日期因年份而异。
历史
ICML起源于国际机器学习研讨会，于1980年7月在匹兹堡的卡内基梅隆大学首次举办。该研讨会由Jaime Carbonell、Ryszard S. Michalski和Tom M. Mitchell组织。1993年，该活动在近十年研讨会的基础上转型为以现名命名的正式会议系列。自2010年代以来，会议论文集以开放获取方式发表在《机器学习研究论文集》（PMLR）上，该系列由JMLR研讨会与会议论文集演变而来，并于2015年更名为PMLR。
重要贡献
ICML发表了众多影响深远的论文，塑造了现代人工智能的发展。 notable examples include 劳伦斯伯克利国家实验室2004年关于基于主成分分析（PCA）的K均值聚类论文、谷歌研究人员提出的批归一化方法、谷歌大脑的EfficientNet模型（2019年）、加州大学伯克利分校的软演员-评论家算法（2018年）以及OpenAI的CLIP模型（2021年）。这些工作对计算机视觉、强化学习和表征学习等领域产生了重大影响。
发展与统计
该会议的投稿量和录用量均经历了大幅增长。2015年，ICML收到1，037篇投稿，录用270篇论文。到2025年，投稿量增至12，107篇，录用3，260篇论文。录用率平均在21%（2020年）至30%（2024年）之间。2026年，会议创下新纪录，收到24，371篇投稿论文，比上一年总数翻了一倍多。录用的论文以海报形式在现场展示，特别突出的贡献被选为口头报告或被指定为“亮点论文”。2026年，2.2%的投稿被指定为亮点论文，另有0.7%被选为口头报告。最佳贡献每年以“杰出论文奖”（正式名称为“最佳论文奖”）予以表彰。
范围与赞助
ICML的范围涵盖机器学习的全部领域，特别强调理论分析、算法创新和统计学习。与NeurIPS和ICLR相比，ICML传统上包含更多关于统计学习理论、强化学习、机器人和优化理论的内容。该会议吸引寻求接触机器学习研究和人才的赞助商。谷歌、微软、亚马逊、Meta和苹果等科技公司定期赞助该活动，发布其研究成果并招募研究人员。包括Citadel Securities、Jane Street Capital和D.E. Shaw在内的金融公司也经常出现在ICML上。
参见
- ICLR
- 机器学习研究杂志
- 机器学习（期刊）
- NeurIPS
参考文献
- 国际机器学习大会官方网站（icml.cc）
- 国际机器学习学会网站（machinelearning.org）