所有顶会：

ML（machine learning）：

  • ICML
  • NeurIPS
  • COLT
  • ICLR

AI：

  • IJCAI
  • AAAI

DM：

  • KDD

Applications：

  • CVPR
  • ICCV
  • MM
  • ACL

VLDB

论文投稿流程：

https://blog.csdn.net/qq_44722174/article/details/118440400

从评审专家的角度看，论文投稿之后会经历什么：

https://www.sohu.com/a/778110086_121119001

oral 口头报告

poster 张贴海报

workshop：一般都是某些大牛觉得该领域有哪些方面是研究热点，就向会议chair申请开一个独立的研讨会，值得注意的是workshop是独立审稿的。

AC 是 Area Chair 领域专家 SAC 是 Senior AC

Meta-review 是对多个评审专家意见的综合评审，

desk reject：一些版面情况的 拒稿

审稿过程：

一般会快速看一遍摘要和引言部分。看动机/故事是否合理；贡献总结得是否有价值。然后看后面的方法和实验，主要看贡献是否被足够地支撑了。部分文章会看下实验结果和 baseline 是否 solid。过程中会关注下 typo。看完之后，看看优点多还是缺点多，是中还是拒。

1.ICML:

国际机器学习会议 （International Conference on Machine Learning）

会议流程（年度周期）

ICML 的年度周期通常如下：

  • 1月-2月：论文投稿截止。
  • 3月-5月：审稿期（包括 rebuttal / 作者反馈阶段）。
  • 5月底：论文录用结果通知。
  • 7月-8月：会议正式举行（通常在北美洲或欧洲的夏季）。

会议进程：

词云：
  1. Language：329 语言
  2. Multi：212
  3. large：211
  4. Diffusion:208 扩散
  5. Efficient：193 效率
  6. Optimization：190 优化
  7. Time：176
  8. Graph：173
  9. Traing：143
  10. Reinforcement：141 强化学习

杰出论文：

Outstanding Papers

  1. CollabLLM: From Passive Responders to Active Collaborators
  2. Train for the Worst, Plan for the Best: Understanding Token Ordering in Masked Diffusions
  3. Conformal Prediction as Bayesian Quadrature
  4. Score Matching with Missing Data
  5. Roll the dice & look before you leap: Going beyond the creative limits of next-token prediction
  6. The Value of Prediction in Identifying the Worst-Off
  7. Position: The AI Conference Peer Review Crisis Demands Author Feedback and Reviewer Rewards
  8. Position: AI Safety should prioritize the Future of Work
Conference heightlight 会议亮点

position paper 观点论文 。对应的是Research Paper 研究论文

Profound insights 深刻的见解， controversial perspectives or future directions 有争议的观点或未来方向

是ICML第二年接受position paper 71/361 19.67% 中稿率

Position paper topics：

  • Reflection and Optimization on AI Evaluation Systems
    • 对人工智能评估系统的反思与优化
  • Explainable AI
    • 可解释人工智能 (XAI)
  • AI Safety, Ethics, and Regulation
    • 人工智能安全、伦理与监管
  • Technical Limitations of LLMs
    • 大型语言模型 (LLMs) 的技术限制
  • Balancing AI and Its Societal Impacts
    • 平衡人工智能及其社会影响
Hot / emerging topics
  • Reinforcement Learning 强化学习
    • Offline Reinforcement Learning
      • 离线强化学习
    • Safe Reinforcement Learning
      • 安全强化学习
    • Multi-agent Reinforcement Learning
      • 多智能体强化学习
    • Multi-objective Reinforcement Learning
      • 多目标强化学习
    • Inverse Reinforcement Learning
      • 逆强化学习
NeurIPS

Conference on Neural Information Processing System 神经信息处理系统打会

投稿时间：2025年5月15日

反驳时间：2025年7月24日

通知时间：2025年9月18日

会议时间：2025年 11月30 日-12月7日

投稿论文：21575 录取：5290 录用率：24.52%

oral：77 Spotlight 688

除了主要的论文，还有 Datasets 和 Benchmarks Track（基准测试追踪）

  1. 一组标准化的测试任务 (A Set of Standardized Test Tasks): “Benchmarks” (基准测试) 指的是一系列被普遍接受的、用于衡量特定算法、模型或系统的性能的标准化任务或数据集。这些任务通常被设计来模拟真实世界中的应用场景，并且有明确的评估指标。
  2. 用于比较和评估 (For Comparison and Evaluation): 这些基准测试的目的是提供一个公平的平台，让不同的研究者或团队可以比较他们提出的新方法、算法或模型的表现。通过在相同的基准测试上进行测试，可以客观地评估哪个方法更优。
  3. 追踪进步 (Tracking Progress): “Track” (追踪) 强调的是持续的、系统的评估过程。一个 “Benchmarks Track” 可能意味着：
    • 一个长期的项目： 持续收集和更新基准测试数据集。
    • 一个评估流程： 规定了如何提交结果、如何进行评分、如何公布排行榜等。
    • 一个研究方向： 专门关注如何设计更好的基准测试、如何改进评估方法。

也是新增加了 Position Paper Track

录用率 8%

发现了一个 AI 评审论文的网站：https://review.cspaper.org

1. 评分机制
  • 6分制评分标准：审稿人对论文采用1-6分制，评分含义如下：
    • 6分：强接受（Strong Accept）
    • 5分：弱接受（Weak Accept）
    • 4分：边界接受（Borderline Accept）
    • 3分：边界拒绝（Borderline Reject）
    • 2分：弱拒绝（Weak Reject）
    • 1分：强拒绝（Strong Reject）

词云：

反驳阶段：

热点话题：

  1. 大语言模型 Reasoning and RL(推理）

  1. 扩散模型

  1. 视觉生成模型

  1. 多模态

  1. AI4S

COLT 2025

Annual Conference on Learning Theory 国际学习理论大会

第38届 COLT是机器学习理论领域的顶级国际会议，由计算学习协会（ACL）主办，始于1988年，聚焦于学习理论与算法分析的交叉研究，强调数学严谨性与理论创新

在CCF （人工智能） 为B类

中搞情况：

做理论的中稿率还是高一点，可能是投稿人对自己的要求会比较高。

ICLR

International Conference on Learning Representations (国际表征学习大会）

表征学习，也称为特征学习，其核心思想是：让机器自动地从原始数据（如图像的像素、文本的单词、音频的声波）中发现和提取出对后续任务（如分类、检测）更有用的表示形式或特征。

投稿，中稿情况：

高录用主题：

ICLR 2025 — 热点、趋势、建议

  • 安全与对齐
  • 模型可编辑性与知识更新
  • 理解与优化微调过程
  • 数据质量与评估
  • 多模态能力提升
  • 高效计算（推理）
  • 多智能体系统与协作

重视discussions and limitations, 重视rebuttal

IJCAI 2025

投稿截止时间 2025年1月24日

International Joint Conference on Artificial Intelligence 国际人工智能联合会议

投稿5404 录用 1042

录用率 19.3% 机器学习领域 17.7%

AAAI 2025

Association for the Advancement of Artificial Intelligence

截止日期：2024 年 8 月中旬

会议日期： 2025年2月25日 - 3月4日

吴恩达发表了讲话

录用主题分布：

KDD 2025

Knowledge Discovery and Data Mining

在CCF （数据库/数据挖掘/内容检索） 为A类会议

数据挖掘会议

投稿机制：首次采用双轮次投稿机制（8月轮 + 2月轮）

投稿情况：

研究热点：

写作偏好：

CVPR

Computer Vision and Pattern Recognition Conference 计算机视觉与模式识别会议

会议时间/地点：2025年6月11日至15日，美国，纳什维尔

截稿时间：2024年11月14日

录用通知时间：2025年4月31日

HOT Topics:

ICCV

International Conference on Computer Vision 计算机视觉国际大会

截稿时间：2025年3月7日

录用通知时间：2025年6月20日

每两年举办一次

HOT Topic:

Top 5 Topics

  1. Image and video synthesis and generation
  2. 3D from multi-view and sensors
  3. Multimodal Learning
  4. Humans: Face, body, pose, gesture, movement
  5. Low-level vision
研究热点

1. 图像与视频合成与生成

  • 核心内容：这是当前AI领域最火热的方向之一，主要指利用生成模型（如扩散模型和生成对抗网络）创建全新的、逼真的图像和视频。
  • 研究热点：
    • 文生图/视频：根据文本描述生成图像或视频（例如 OpenAI 的 DALL-E、Stable Diffusion、Sora模型）。
    • 图像/视频编辑：根据指令对现有图像或视频进行修改（如改变风格、替换内容、修复画质）。
    • 虚拟内容创作：为游戏、电影、广告等行业生成虚拟场景和角色。

2. 基于多视图与传感器的3D重建

  • 核心内容：研究如何通过多个角度的图像（多视图）或各类传感器（如深度相机、激光雷达）数据，来重建和理解现实世界的三维结构。
  • 研究热点：
    • 神经辐射场：一种革命性的技术，能够从稀疏的2D图片中合成出任意角度的、逼真的3D视图。
    • 三维建模与数字化：用于文物修复、建筑测绘、自动驾驶的高精地图构建等。
    • SLAM（同步定位与地图构建）：机器人、无人机和AR/VR设备在未知环境中实时定位并构建地图的关键技术。

3. 多模态学习

  • 核心内容：研究如何让AI模型同时理解和处理多种不同类型的信息（模态），如文本、图像、声音、视频等，并建立它们之间的关联。
  • 研究热点：
    • 跨模态检索：用一种模态的信息（如文字）去检索另一种模态的信息（如图片）。
    • 多模态理解：让模型理解图文结合的复杂内容（例如，看懂表情包、理解视频的剧情）。
    • 多模态生成：根据一种模态的信息生成另一种模态的信息（例如，根据图像生成描述文字，或根据文字生成语音）。

4. 人体相关研究：面部、身体、姿态、手势、运动

  • 核心内容：专注于对“人”本身的视觉信息进行识别、分析和生成。
  • 研究热点：
    • 人脸识别与分析：身份识别、表情识别、年龄估计等。
    • 人体姿态估计与动作识别：从图像或视频中精准定位人体的关键点，并识别其行为动作（应用于人机交互、体育分析、安防监控）。
    • 手势识别：用于VR/AR交互、智能家居控制。
    • 人体运动生成与重定向：在动画和游戏中生成逼真的人体运动。

5. 底层视觉

  • 核心内容：与“高层视觉”（如图像识别、理解）相对，底层视觉关注的是图像本身的基本属性和质量的处理。
  • 研究热点：
    • 图像超分辨率：将低分辨率图像恢复成高分辨率图像。
    • 图像去噪、去模糊、增强：提升图像质量。
    • 图像/视频修复：填充图像中缺失或损坏的部分。

New Hot Topics

  1. Vision, language and reasoning
  2. Visual & action tokenization
  3. Unified Multimodal Understanding and Generation Models
  4. Vision-Language-Action Models
  5. World Models
解读

1. 视觉、语言与推理

  • 核心内容：这不仅仅是简单的“看图说话”（识别和描述），而是要求模型能够基于视觉和语言信息进行逻辑推理、因果推断和常识判断。
  • 研究示例：
    • 视觉问答：回答需要推理的问题，例如“为什么图片中的这个人看起来很惊讶？”（需要结合场景和人的表情进行推理）。
    • 视觉常识推理：理解图像中隐含的、未被直接描绘的常识（例如，看到“平底锅和鸡蛋”，能推断出“可能正在做饭”）。

2. 视觉与动作的标记化

  • 核心内容：这是将连续的、高维的视觉信息（像素）和动作指令，转换成离散的、低维的符号序列（Token） 的过程。这是为了统一不同模态的数据表示。
  • 为何重要：
    • 它借鉴了自然语言处理中“词标记”的成功经验。
    • 一旦视觉和动作都被“标记化”，它们就可以像文字一样，被同一个模型（如Transformer）统一处理和生成。这是实现后续“统一模型”和“世界模型”的技术基石。

3. 统一的多模态理解与生成

  • 核心内容：目标是构建一个单一的、强大的模型，能够同时处理多种任务（如视觉问答、图像描述、文生图、图生文等），而不是为每个任务训练一个专用模型。
  • 研究热点：
    • “任意模态到任意模态”的生成：例如，输入文本和图像，输出视频和语音。
    • 通用多模态大模型：如GPT-4V、Gemini等，它们在一个模型中融合了理解和生成的能力，是这一方向的典型代表。

4. 视觉-语言-动作模型

  • 核心内容：这是将VLAs模型的能力与物理世界的动作控制直接连接起来。它是实现具身智能 的关键技术。
  • 应用场景：
    • 机器人：给机器人下达指令“请把桌子上的那个红色杯子拿给我”，机器人需要：1）理解指令（语言），2）识别“桌子”、“红色杯子”（视觉），3）规划并执行拿起杯子的动作。
    • 自动驾驶：感知环境（视觉），理解交通规则和导航指令（语言），然后执行转向、刹车等动作。

5. 世界模型

  • 核心内容：这是人工智能领域一个宏伟而根本的目标。世界模型指的是一个能够模拟和理解真实世界如何运作的内部模型。它能够预测未来（“接下来会发生什么？”）并进行反事实推理（“如果我做了A，会发生什么？”）。
  • 研究意义：
    • 一个拥有世界模型的AI，不需要通过无数次试错来学习，它可以在“脑海”（模型内部）中模拟各种行动的结果，从而做出更安全、更高效的决策。
    • 它是实现强人工智能 道路上至关重要的一环。

Research Trends & Directions

  1. Visual and action tokenizers (for UMM and VLAs)
  2. Unified Multimodal Understanding and Generation
  3. Visual Reasoning (unlocking and observing new capabilities)
  4. Vision-language-action models
  5. World Models (video/4D/interleave/others based)
  6. 3D + X (VLMs, Video Gen, VLAs)
研究趋势与方向详解

1. 视觉与动作标记化器

  • 核心解读：这是实现后续所有复杂模型的基础架构工作。它的目标是将连续的视觉信息（像素、视频帧）和物理动作，转换成离散的、类似语言的“符号”（Token）。
  • 为何是趋势：只有完成了有效的标记化，才能将视觉、语言、动作置于同一个序列建模框架（如Transformer）下进行处理，这是实现“统一”模型的前提条件。

2. 统一的多模态理解与生成

  • 核心解读：这是当前大模型时代的核心范式。旨在构建单一模型，无需特定任务头，就能处理跨模态的任意输入和输出任务（如文生图、图生文、视频问答等）。
  • 为何是趋势：这种统一架构减少了模型冗余，更易于激发和涌现出未知的跨模态能力，是通向通用多模态AI的必经之路。

3. 视觉推理

  • 核心解读：研究重点从“识别是什么”升级到“理解为什么”和“推断会怎样”。它关注模型如何从视觉场景中进行逻辑推理、因果推断和常识判断。
  • 为何是趋势：括号内的“解锁与观察新能力”是关键。这表明研究者不仅在设计推理任务，更在探索大模型中自发涌现的、超出设计预期的推理能力，这是衡量模型智能程度的重要标尺。

4. 视觉-语言-动作模型

  • 核心解读：这是具身智能 的核心技术。它将视觉感知、语言指令与物理世界的动作控制闭环打通，使AI智能体能够真正地“行动”起来。
  • 为何是趋势：这是AI从虚拟世界走向物理世界的关键一步，在机器人、自动驾驶等领域有极其明确和重大的应用前景。

5. 世界模型

  • 核心解读：这是通往强人工智能 的皇冠上的明珠。世界模型是智能体对环境运作规律的一种内部模拟，使其能够预测未来、进行反事实推理和规划。
  • 为何是趋势：括号内注明了实现路径的多样性（基于视频、4D数据、交错数据等），表明这仍是一个开放且活跃的探索领域，是长期研究的根本方向。

6. 3D + X

  • 核心解读：这是一个高度概括的研究范式。其核心思想是：以3D结构理解为基石，去增强和赋能其他（X）AI任务。
    • 3D + 视觉语言模型：让VLM不仅能理解2D图片，还能理解物体的3D结构和物理属性。
    • 3D + 视频生成：基于3D场景生成符合物理规律的、更逼真连贯的视频。
    • 3D + VLA模型：让机器人能在三维空间中更好地进行导航和操作。
  • 为何是趋势：3D信息提供了对世界更本质的描述。将3D先验引入各种任务，被认为是突破当前2D模型瓶颈、实现下一次性能飞跃的关键。
** **

ACM MM

ACM International Conference on Multimedia 多媒体

在CCF （计算机图形学与多媒体） 为A

投稿时间 2025年4月11日

主题：

ACL 2025

Association for Computational Linguistics 自然语言的回忆

新增主题

NLP领域核心发展趋势详解
趋势一：大语言模型的全面主导与深化
  • 数据支撑：标题/摘要中含LLM的论文占比高达67%，这无可争议地表明，LLM已成为NLP研究的新范式和新基础。
  • 生态多样化：除了常见的GPT、LLaMA系列，DeepSeek、Gemini/Gemma等模型也占据一席之地，形成了多元化的模型生态。同时，传统模型如BERT仍有其特定价值。
趋势二：从“对齐”到“精细化塑造”：强化学习与偏好建模的演进
  • 能力增强：RL不仅用于让模型“说人话”，更被用于增强其核心推理能力（如通过改进的思维链技术）。
  • 维度提升：偏好建模正从简单的“好/坏”判断，走向更高维度、更复杂的考量，如个性化偏好、具体情境下的权衡等。这标志着AI对齐研究进入了更精细、更实用的阶段。
趋势三：跨模态系统的融合与安全挑战
  • 能力边界拓展：NLP模型正积极融合视觉、视频等多模态信息，致力于解决多模态推理、复杂视频理解等更富挑战性的任务。
  • 新风险浮现：多模态能力也带来了新的安全漏洞，例如通过多模态联动的“越狱”攻击。因此，多模态安全检测已成为一个紧迫且重要的子方向。
趋势四：知识整合与结构化推理
  • 突破模型局限：研究者们意识到纯文本训练的LLM在知识和逻辑上的局限，因此致力于将外部的结构化知识（如知识图谱、事件链条、表格、代码）与LLM相结合。
  • 实现路径：通过RAG、知识解耦、工具调用等技术，让模型能够像专家一样，访问、理解和运用结构化的知识进行深度推理。
趋势五：普惠与包容：低资源语言与跨文化适应
  • 技术民主化：研究视野正从英语中心主义扩展到哈萨克语、波斯语、白俄罗斯语、乌尔都语等低资源语言，推动AI技术的全球普惠。
  • 价值对齐的深层挑战：认识到AI的价值观不能建立在单一文化之上。研究开始深入探讨跨文化的道德推理，并评估LLM在心理评估等敏感任务中的有效性与文化适应性，这是AI社会化的关键一步。


VLDB

在CCF （数据库/数据挖掘/内容检索） 为A

[中国计算机学会推荐顶会分析：

所有顶会：

ML（machine learning）：

  • ICML
  • NeurIPS
  • COLT
  • ICLR

AI：

  • IJCAI
  • AAAI

DM：

  • KDD

Applications：

  • CVPR
  • ICCV
  • MM
  • ACL

VLDB

论文投稿流程：

https://blog.csdn.net/qq_44722174/article/details/118440400

从评审专家的角度看，论文投稿之后会经历什么：

https://www.sohu.com/a/778110086_121119001

oral 口头报告

poster 张贴海报

workshop：一般都是某些大牛觉得该领域有哪些方面是研究热点，就向会议chair申请开一个独立的研讨会，值得注意的是workshop是独立审稿的。

AC 是 Area Chair 领域专家 SAC 是 Senior AC

Meta-review 是对多个评审专家意见的综合评审，

desk reject：一些版面情况的 拒稿

审稿过程：

一般会快速看一遍摘要和引言部分。看动机/故事是否合理；贡献总结得是否有价值。然后看后面的方法和实验，主要看贡献是否被足够地支撑了。部分文章会看下实验结果和 baseline 是否 solid。过程中会关注下 typo。看完之后，看看优点多还是缺点多，是中还是拒。

1.ICML:

国际机器学习会议 （International Conference on Machine Learning）

会议流程（年度周期）

ICML 的年度周期通常如下：

  • 1月-2月：论文投稿截止。
  • 3月-5月：审稿期（包括 rebuttal / 作者反馈阶段）。
  • 5月底：论文录用结果通知。
  • 7月-8月：会议正式举行（通常在北美洲或欧洲的夏季）。

会议进程：

词云：
  1. Language：329 语言
  2. Multi：212
  3. large：211
  4. Diffusion:208 扩散
  5. Efficient：193 效率
  6. Optimization：190 优化
  7. Time：176
  8. Graph：173
  9. Traing：143
  10. Reinforcement：141 强化学习

杰出论文：

Outstanding Papers

  1. CollabLLM: From Passive Responders to Active Collaborators
  2. Train for the Worst, Plan for the Best: Understanding Token Ordering in Masked Diffusions
  3. Conformal Prediction as Bayesian Quadrature
  4. Score Matching with Missing Data
  5. Roll the dice & look before you leap: Going beyond the creative limits of next-token prediction
  6. The Value of Prediction in Identifying the Worst-Off
  7. Position: The AI Conference Peer Review Crisis Demands Author Feedback and Reviewer Rewards
  8. Position: AI Safety should prioritize the Future of Work
Conference heightlight 会议亮点

position paper 观点论文 。对应的是Research Paper 研究论文

Profound insights 深刻的见解， controversial perspectives or future directions 有争议的观点或未来方向

是ICML第二年接受position paper 71/361 19.67% 中稿率

Position paper topics：

  • Reflection and Optimization on AI Evaluation Systems
    • 对人工智能评估系统的反思与优化
  • Explainable AI
    • 可解释人工智能 (XAI)
  • AI Safety, Ethics, and Regulation
    • 人工智能安全、伦理与监管
  • Technical Limitations of LLMs
    • 大型语言模型 (LLMs) 的技术限制
  • Balancing AI and Its Societal Impacts
    • 平衡人工智能及其社会影响
Hot / emerging topics
  • Reinforcement Learning 强化学习
    • Offline Reinforcement Learning
      • 离线强化学习
    • Safe Reinforcement Learning
      • 安全强化学习
    • Multi-agent Reinforcement Learning
      • 多智能体强化学习
    • Multi-objective Reinforcement Learning
      • 多目标强化学习
    • Inverse Reinforcement Learning
      • 逆强化学习
NeurIPS

Conference on Neural Information Processing System 神经信息处理系统打会

投稿时间：2025年5月15日

反驳时间：2025年7月24日

通知时间：2025年9月18日

会议时间：2025年 11月30 日-12月7日

投稿论文：21575 录取：5290 录用率：24.52%

oral：77 Spotlight 688

除了主要的论文，还有 Datasets 和 Benchmarks Track（基准测试追踪）

  1. 一组标准化的测试任务 (A Set of Standardized Test Tasks): “Benchmarks” (基准测试) 指的是一系列被普遍接受的、用于衡量特定算法、模型或系统的性能的标准化任务或数据集。这些任务通常被设计来模拟真实世界中的应用场景，并且有明确的评估指标。
  2. 用于比较和评估 (For Comparison and Evaluation): 这些基准测试的目的是提供一个公平的平台，让不同的研究者或团队可以比较他们提出的新方法、算法或模型的表现。通过在相同的基准测试上进行测试，可以客观地评估哪个方法更优。
  3. 追踪进步 (Tracking Progress): “Track” (追踪) 强调的是持续的、系统的评估过程。一个 “Benchmarks Track” 可能意味着：
    • 一个长期的项目： 持续收集和更新基准测试数据集。
    • 一个评估流程： 规定了如何提交结果、如何进行评分、如何公布排行榜等。
    • 一个研究方向： 专门关注如何设计更好的基准测试、如何改进评估方法。

也是新增加了 Position Paper Track

录用率 8%

发现了一个 AI 评审论文的网站：https://review.cspaper.org

1. 评分机制
  • 6分制评分标准：审稿人对论文采用1-6分制，评分含义如下：
    • 6分：强接受（Strong Accept）
    • 5分：弱接受（Weak Accept）
    • 4分：边界接受（Borderline Accept）
    • 3分：边界拒绝（Borderline Reject）
    • 2分：弱拒绝（Weak Reject）
    • 1分：强拒绝（Strong Reject）

词云：

反驳阶段：

热点话题：

  1. 大语言模型 Reasoning and RL(推理）

  1. 扩散模型

  1. 视觉生成模型

  1. 多模态

  1. AI4S

COLT 2025

Annual Conference on Learning Theory 国际学习理论大会

第38届 COLT是机器学习理论领域的顶级国际会议，由计算学习协会（ACL）主办，始于1988年，聚焦于学习理论与算法分析的交叉研究，强调数学严谨性与理论创新

在CCF （人工智能） 为B类

中搞情况：

做理论的中稿率还是高一点，可能是投稿人对自己的要求会比较高。

ICLR

International Conference on Learning Representations (国际表征学习大会）

表征学习，也称为特征学习，其核心思想是：让机器自动地从原始数据（如图像的像素、文本的单词、音频的声波）中发现和提取出对后续任务（如分类、检测）更有用的表示形式或特征。

投稿，中稿情况：

高录用主题：

ICLR 2025 — 热点、趋势、建议

  • 安全与对齐
  • 模型可编辑性与知识更新
  • 理解与优化微调过程
  • 数据质量与评估
  • 多模态能力提升
  • 高效计算（推理）
  • 多智能体系统与协作

重视discussions and limitations, 重视rebuttal

IJCAI 2025

投稿截止时间 2025年1月24日

International Joint Conference on Artificial Intelligence 国际人工智能联合会议

投稿5404 录用 1042

录用率 19.3% 机器学习领域 17.7%

AAAI 2025

Association for the Advancement of Artificial Intelligence

截止日期：2024 年 8 月中旬

会议日期： 2025年2月25日 - 3月4日

吴恩达发表了讲话

录用主题分布：

KDD 2025

Knowledge Discovery and Data Mining

在CCF （数据库/数据挖掘/内容检索） 为A类会议

数据挖掘会议

投稿机制：首次采用双轮次投稿机制（8月轮 + 2月轮）

投稿情况：

研究热点：

写作偏好：

CVPR

Computer Vision and Pattern Recognition Conference 计算机视觉与模式识别会议

会议时间/地点：2025年6月11日至15日，美国，纳什维尔

截稿时间：2024年11月14日

录用通知时间：2025年4月31日

HOT Topics:

ICCV

International Conference on Computer Vision 计算机视觉国际大会

截稿时间：2025年3月7日

录用通知时间：2025年6月20日

每两年举办一次

HOT Topic:

Top 5 Topics

  1. Image and video synthesis and generation
  2. 3D from multi-view and sensors
  3. Multimodal Learning
  4. Humans: Face, body, pose, gesture, movement
  5. Low-level vision
研究热点

1. 图像与视频合成与生成

  • 核心内容：这是当前AI领域最火热的方向之一，主要指利用生成模型（如扩散模型和生成对抗网络）创建全新的、逼真的图像和视频。
  • 研究热点：
    • 文生图/视频：根据文本描述生成图像或视频（例如 OpenAI 的 DALL-E、Stable Diffusion、Sora模型）。
    • 图像/视频编辑：根据指令对现有图像或视频进行修改（如改变风格、替换内容、修复画质）。
    • 虚拟内容创作：为游戏、电影、广告等行业生成虚拟场景和角色。

2. 基于多视图与传感器的3D重建

  • 核心内容：研究如何通过多个角度的图像（多视图）或各类传感器（如深度相机、激光雷达）数据，来重建和理解现实世界的三维结构。
  • 研究热点：
    • 神经辐射场：一种革命性的技术，能够从稀疏的2D图片中合成出任意角度的、逼真的3D视图。
    • 三维建模与数字化：用于文物修复、建筑测绘、自动驾驶的高精地图构建等。
    • SLAM（同步定位与地图构建）：机器人、无人机和AR/VR设备在未知环境中实时定位并构建地图的关键技术。

3. 多模态学习

  • 核心内容：研究如何让AI模型同时理解和处理多种不同类型的信息（模态），如文本、图像、声音、视频等，并建立它们之间的关联。
  • 研究热点：
    • 跨模态检索：用一种模态的信息（如文字）去检索另一种模态的信息（如图片）。
    • 多模态理解：让模型理解图文结合的复杂内容（例如，看懂表情包、理解视频的剧情）。
    • 多模态生成：根据一种模态的信息生成另一种模态的信息（例如，根据图像生成描述文字，或根据文字生成语音）。

4. 人体相关研究：面部、身体、姿态、手势、运动

  • 核心内容：专注于对“人”本身的视觉信息进行识别、分析和生成。
  • 研究热点：
    • 人脸识别与分析：身份识别、表情识别、年龄估计等。
    • 人体姿态估计与动作识别：从图像或视频中精准定位人体的关键点，并识别其行为动作（应用于人机交互、体育分析、安防监控）。
    • 手势识别：用于VR/AR交互、智能家居控制。
    • 人体运动生成与重定向：在动画和游戏中生成逼真的人体运动。

5. 底层视觉

  • 核心内容：与“高层视觉”（如图像识别、理解）相对，底层视觉关注的是图像本身的基本属性和质量的处理。
  • 研究热点：
    • 图像超分辨率：将低分辨率图像恢复成高分辨率图像。
    • 图像去噪、去模糊、增强：提升图像质量。
    • 图像/视频修复：填充图像中缺失或损坏的部分。

New Hot Topics

  1. Vision, language and reasoning
  2. Visual & action tokenization
  3. Unified Multimodal Understanding and Generation Models
  4. Vision-Language-Action Models
  5. World Models
解读

1. 视觉、语言与推理

  • 核心内容：这不仅仅是简单的“看图说话”（识别和描述），而是要求模型能够基于视觉和语言信息进行逻辑推理、因果推断和常识判断。
  • 研究示例：
    • 视觉问答：回答需要推理的问题，例如“为什么图片中的这个人看起来很惊讶？”（需要结合场景和人的表情进行推理）。
    • 视觉常识推理：理解图像中隐含的、未被直接描绘的常识（例如，看到“平底锅和鸡蛋”，能推断出“可能正在做饭”）。

2. 视觉与动作的标记化

  • 核心内容：这是将连续的、高维的视觉信息（像素）和动作指令，转换成离散的、低维的符号序列（Token） 的过程。这是为了统一不同模态的数据表示。
  • 为何重要：
    • 它借鉴了自然语言处理中“词标记”的成功经验。
    • 一旦视觉和动作都被“标记化”，它们就可以像文字一样，被同一个模型（如Transformer）统一处理和生成。这是实现后续“统一模型”和“世界模型”的技术基石。

3. 统一的多模态理解与生成

  • 核心内容：目标是构建一个单一的、强大的模型，能够同时处理多种任务（如视觉问答、图像描述、文生图、图生文等），而不是为每个任务训练一个专用模型。
  • 研究热点：
    • “任意模态到任意模态”的生成：例如，输入文本和图像，输出视频和语音。
    • 通用多模态大模型：如GPT-4V、Gemini等，它们在一个模型中融合了理解和生成的能力，是这一方向的典型代表。

4. 视觉-语言-动作模型

  • 核心内容：这是将VLAs模型的能力与物理世界的动作控制直接连接起来。它是实现具身智能 的关键技术。
  • 应用场景：
    • 机器人：给机器人下达指令“请把桌子上的那个红色杯子拿给我”，机器人需要：1）理解指令（语言），2）识别“桌子”、“红色杯子”（视觉），3）规划并执行拿起杯子的动作。
    • 自动驾驶：感知环境（视觉），理解交通规则和导航指令（语言），然后执行转向、刹车等动作。

5. 世界模型

  • 核心内容：这是人工智能领域一个宏伟而根本的目标。世界模型指的是一个能够模拟和理解真实世界如何运作的内部模型。它能够预测未来（“接下来会发生什么？”）并进行反事实推理（“如果我做了A，会发生什么？”）。
  • 研究意义：
    • 一个拥有世界模型的AI，不需要通过无数次试错来学习，它可以在“脑海”（模型内部）中模拟各种行动的结果，从而做出更安全、更高效的决策。
    • 它是实现强人工智能 道路上至关重要的一环。

Research Trends & Directions

  1. Visual and action tokenizers (for UMM and VLAs)
  2. Unified Multimodal Understanding and Generation
  3. Visual Reasoning (unlocking and observing new capabilities)
  4. Vision-language-action models
  5. World Models (video/4D/interleave/others based)
  6. 3D + X (VLMs, Video Gen, VLAs)
研究趋势与方向详解

1. 视觉与动作标记化器

  • 核心解读：这是实现后续所有复杂模型的基础架构工作。它的目标是将连续的视觉信息（像素、视频帧）和物理动作，转换成离散的、类似语言的“符号”（Token）。
  • 为何是趋势：只有完成了有效的标记化，才能将视觉、语言、动作置于同一个序列建模框架（如Transformer）下进行处理，这是实现“统一”模型的前提条件。

2. 统一的多模态理解与生成

  • 核心解读：这是当前大模型时代的核心范式。旨在构建单一模型，无需特定任务头，就能处理跨模态的任意输入和输出任务（如文生图、图生文、视频问答等）。
  • 为何是趋势：这种统一架构减少了模型冗余，更易于激发和涌现出未知的跨模态能力，是通向通用多模态AI的必经之路。

3. 视觉推理

  • 核心解读：研究重点从“识别是什么”升级到“理解为什么”和“推断会怎样”。它关注模型如何从视觉场景中进行逻辑推理、因果推断和常识判断。
  • 为何是趋势：括号内的“解锁与观察新能力”是关键。这表明研究者不仅在设计推理任务，更在探索大模型中自发涌现的、超出设计预期的推理能力，这是衡量模型智能程度的重要标尺。

4. 视觉-语言-动作模型

  • 核心解读：这是具身智能 的核心技术。它将视觉感知、语言指令与物理世界的动作控制闭环打通，使AI智能体能够真正地“行动”起来。
  • 为何是趋势：这是AI从虚拟世界走向物理世界的关键一步，在机器人、自动驾驶等领域有极其明确和重大的应用前景。

5. 世界模型

  • 核心解读：这是通往强人工智能 的皇冠上的明珠。世界模型是智能体对环境运作规律的一种内部模拟，使其能够预测未来、进行反事实推理和规划。
  • 为何是趋势：括号内注明了实现路径的多样性（基于视频、4D数据、交错数据等），表明这仍是一个开放且活跃的探索领域，是长期研究的根本方向。

6. 3D + X

  • 核心解读：这是一个高度概括的研究范式。其核心思想是：以3D结构理解为基石，去增强和赋能其他（X）AI任务。
    • 3D + 视觉语言模型：让VLM不仅能理解2D图片，还能理解物体的3D结构和物理属性。
    • 3D + 视频生成：基于3D场景生成符合物理规律的、更逼真连贯的视频。
    • 3D + VLA模型：让机器人能在三维空间中更好地进行导航和操作。
  • 为何是趋势：3D信息提供了对世界更本质的描述。将3D先验引入各种任务，被认为是突破当前2D模型瓶颈、实现下一次性能飞跃的关键。
** **

ACM MM

ACM International Conference on Multimedia 多媒体

在CCF （计算机图形学与多媒体） 为A

投稿时间 2025年4月11日

主题：

ACL 2025

Association for Computational Linguistics 自然语言的回忆

新增主题

NLP领域核心发展趋势详解
趋势一：大语言模型的全面主导与深化
  • 数据支撑：标题/摘要中含LLM的论文占比高达67%，这无可争议地表明，LLM已成为NLP研究的新范式和新基础。
  • 生态多样化：除了常见的GPT、LLaMA系列，DeepSeek、Gemini/Gemma等模型也占据一席之地，形成了多元化的模型生态。同时，传统模型如BERT仍有其特定价值。
趋势二：从“对齐”到“精细化塑造”：强化学习与偏好建模的演进
  • 能力增强：RL不仅用于让模型“说人话”，更被用于增强其核心推理能力（如通过改进的思维链技术）。
  • 维度提升：偏好建模正从简单的“好/坏”判断，走向更高维度、更复杂的考量，如个性化偏好、具体情境下的权衡等。这标志着AI对齐研究进入了更精细、更实用的阶段。
趋势三：跨模态系统的融合与安全挑战
  • 能力边界拓展：NLP模型正积极融合视觉、视频等多模态信息，致力于解决多模态推理、复杂视频理解等更富挑战性的任务。
  • 新风险浮现：多模态能力也带来了新的安全漏洞，例如通过多模态联动的“越狱”攻击。因此，多模态安全检测已成为一个紧迫且重要的子方向。
趋势四：知识整合与结构化推理
  • 突破模型局限：研究者们意识到纯文本训练的LLM在知识和逻辑上的局限，因此致力于将外部的结构化知识（如知识图谱、事件链条、表格、代码）与LLM相结合。
  • 实现路径：通过RAG、知识解耦、工具调用等技术，让模型能够像专家一样，访问、理解和运用结构化的知识进行深度推理。
趋势五：普惠与包容：低资源语言与跨文化适应
  • 技术民主化：研究视野正从英语中心主义扩展到哈萨克语、波斯语、白俄罗斯语、乌尔都语等低资源语言，推动AI技术的全球普惠。
  • 价值对齐的深层挑战：认识到AI的价值观不能建立在单一文化之上。研究开始深入探讨跨文化的道德推理，并评估LLM在心理评估等敏感任务中的有效性与文化适应性，这是AI社会化的关键一步。


VLDB

在CCF （数据库/数据挖掘/内容检索） 为A

中国计算机学会推荐国际学术会议和期刊目录-2022.pdf

国际学术会议和期刊目录-2022.pdf](https://www.yuque.com/attachments/yuque/0/2025/pdf/39085148/1762848935447-4b27f552-d516-40ac-ace3-ba1fc26a8983.pdf)

# 机器人 # 人工智能 # 深度学习
Logo
2048 AI社区

有“AI”的1024 = 2048，欢迎大家加入2048 AI社区

更多推荐

从聊天框到动态助手：MCP Apps 如何重塑 AI 交互的未来 （二十三）

在人工智能向“自主智能体”演进的道路上，我们正见证一个关键的范式转移：大型语言模型（LLM）不再仅仅是文本生成器，而是逐渐成为能感知环境、调用工具并执行复杂任务的智能核心。然而，传统的“文本输入-文本输出”模式，在面对需要精密逻辑、实时数据可视化与复杂业务流操控的生产力场景时，其交互深度的局限性暴露无遗。为了连接模型与广阔的外部世界，应运而生，旨在标准化模型与工具之间的通信，降低生态适配成本。

avatar 2048 AI社区

从聊天框到动态助手：MCP Apps 如何重塑 AI 交互的未来（二十二）

在人工智能向“自主智能体”演进的道路上，我们正见证一个关键的范式转移：大型语言模型（LLM）不再仅仅是文本生成器，而是逐渐成为能感知环境、调用工具并执行复杂任务的智能核心。然而，传统的“文本输入-文本输出”模式，在面对需要精密逻辑、实时数据可视化与复杂业务流操控的生产力场景时，其交互深度的局限性暴露无遗。为了连接模型与广阔的外部世界，应运而生，旨在标准化模型与工具之间的通信，降低生态适配成本。

avatar 2048 AI社区

从聊天框到动态助手：MCP Apps 如何重塑 AI 交互的未来（二十四）

在人工智能向“自主智能体”演进的道路上，我们正见证一个关键的范式转移：大型语言模型（LLM）不再仅仅是文本生成器，而是逐渐成为能感知环境、调用工具并执行复杂任务的智能核心。然而，传统的“文本输入-文本输出”模式，在面对需要精密逻辑、实时数据可视化与复杂业务流操控的生产力场景时，其交互深度的局限性暴露无遗。为了连接模型与广阔的外部世界，应运而生，旨在标准化模型与工具之间的通信，降低生态适配成本。

avatar 2048 AI社区