机器之心报道

机器之心编辑部

要投 ICML 2026 顶会的小伙伴需要注意了，论文征集有了新规，包括但不限于：

论文被接收的作者可选择是否参会； 已接收论文的原始提交版本将被公开； 互审论文的数量有了限制。

ICML 2026 征稿新规

ICML 2026 将于 2026 年 7 月 7 日至 12 日在韩国首尔举办，届时所有论文将采用双盲审稿机制，最终被录用的论文将在大会上进行展示。

投稿须以单个文件形式提交，具体要求如下：

正文部分最多 8 页； 参考文献、影响声明和附录部分页数不限； 补充材料不再设单独提交截止日期。

注：论文被录用后，作者可在最终版本中为正文部分额外增加 1 页。

政策变更：论文被接收后，作者可选择是否参会

在论文录用通知发出后，作者需在指定日期前决定：是否选择亲自到会现场进行报告，或仅将论文收录至会议论文集（不进行现场展示）。

无论作者选择哪种方式，所有被录用的论文在论文集中的待遇完全相同，这些论文都将有资格参与 ICML 奖项评选。

对于仅选择论文收录（不参会展示）的论文，应至少有一位作者完成线上注册（virtual registration）。

政策变更：除定稿版本外，将公开论文的原始投稿版本

对于所有被录用的论文，除了最终的定稿版本之外，大会还将公开以下内容：

原始投稿版本（包括补充材料）； 匿名评审意见； 元评审（meta-reviews）； rebuttal； 以及评审人与作者之间的讨论记录。

此外，被拒稿的论文作者也可以选择是否公开他们的原始投稿版本、评审意见、元评审、rebuttal 以及评审讨论记录。

不仅如此，ICML 2026 还提出了其他要求：

同一个人不能被太多论文同时指定为互评人； 将更新评审过程中使用 AI 工具的相关政策（具体细节将于稍后公布）。

凡是不符合上述规定的论文，将直接拒稿且不进入评审环节。

征稿主题

ICML 2026 征稿主题包括：

通用机器学习（主动学习、聚类、在线学习、排序、监督学习、半监督学习和自监督学习、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、可复现性和有效性、人机交互等） 机器学习理论（统计学习理论、多臂老虎机算法、博弈论、决策理论等） 机器学习系统（改进的实现和可扩展性、硬件、库、分布式方法等） 优化（凸优化和非凸优化、矩阵 / 张量方法、随机方法、在线方法等） 概率方法（贝叶斯方法、图模型、蒙特卡罗方法等） 强化学习（决策与控制、规划、分层强化学习、机器人学等） 可信机器学习（可靠性、因果关系、公平性等） 应用驱动型机器学习（机器学习社区感兴趣的创新技术、问题和数据集，以及最终用户在医疗保健、物理科学、生物科学、社会科学、可持续发展和气候等领域的应用需求）

重要日期

首先是论文各部分的提交截止日期：

提交网站开放日期：2026 年 1 月 8 日（这也是建议的 OpenReview 账户创建截止日期，对于尚未拥有 OpenReview 账户的作者来说请提前注册，否则无法保证账户及时激活） 摘要提交截止日期：2026 年 1 月 23 日 全文提交截止日期：2026 年 1 月 28 日

提交网站：https://openreview.net/group?id=ICML.cc/2026/Conference

需要注意的是：摘要和论文提交截止日期为「严格截止」，不会有任何形式的延期。

摘要 / 标题 / 作者身份修改：

作者须在摘要提交截止前填写完整标题、作者名单和摘要； 标题与摘要可在全文提交截止前修改，但若「占位」式摘要在全文阶段被大幅改写，可能会被直接移除而不予审查； 摘要截止后，作者名单不可新增或删除，但允许调整顺序。若确需修改作者名单，须书面说明并经项目主席批准，仅在特殊情况下获准。

评审机制

互审要求：ICML 要求作者参与评审工作，设有两项要求：

1. 每篇论文的互审要求：

所有提交必须至少有一位作者同意担任 ICML 的审稿人，指定的作者应具备「同行评审常见问题解答」中定义的审稿资格； 今年新规：一位作者最多只能在其本人的 2 篇提交中被指定为互审审稿人； 例外情况：如果所有作者均不符合资格，或者所有合格作者均已担任 2 篇提交的互审审稿人，或正在担任 ICML 2026 的 SAC（Senior Area Chair，高级领域主席）、AC（Area Chair，领域主席）或其他组织职务，则该提交可豁免此要求。在提交摘要时，系统会要求指定一位作者履行该义务或声明豁免。

2. 每位作者的互审要求：

若某作者有 4 篇或以上投稿，则必须担任 ICML 评审员（可为其中两篇论文担任互评评审员）； 若评审员短缺，项目主席可将此门槛降低为 3 篇，并提前通知相关作者； 例外情况：担任 AC、SAC 或其他组织角色的作者自动豁免。

需要注意的是：若未满足互评要求，投稿可能会被直接拒稿。此外，未按时或草率完成评审的评审员，其投稿亦可能被拒。

双盲评审政策：

所有投稿必须匿名化，不得包含任何有意或无意泄露作者身份的信息； 作者可以将论文发布在 arXiv 等预印本平台，也可在评审期间进行公开演讲，但不得宣传论文为「ICML 投稿中」； 若存在非匿名版本，正式提交版本不得引用或提及该版本。

禁止双重 / 并行投稿：

禁止向多个会议或期刊重复投稿或投稿实质相同的内容，违规将导致稿件被拒或移出会议论文集。不过，在未正式出版的 workshop 上展示的论文不违反该规定。

评审标准：

论文应报告原创、严谨且对机器学习领域有重要意义的研究成果； 所有论点必须以可复现实验或坚实的理论分析支持，并清晰说明与现有工作的关系与差异。

生成式 AI 使用规定：

允许作者使用生成式 AI（如大语言模型）辅助写作或研究，但作者须对论文内容负全部责任； LLM 不能署名为作者； 禁止任何形式的「提示注入」（prompt injection），违者直接拒稿； 评审过程中可能会使用 AI 工具辅助，但不会允许完全由 AI 执行评审。

同行评审伦理规范：作者必须遵守标准的科研与评审伦理，包括：

禁止抄袭 禁止提示注入 禁止在评审期间宣传「正在投稿至 ICML」 禁止与评审员、AC 或 SAC 串通以谋取有利或不利评审

需要注意的是，违规者可能面临制裁或拒稿，其信息也可能被通报至其他学术机构。

影响声明：

每篇论文须附带潜在社会影响说明，包括伦理及未来社会影响，该声明应置于论文末尾独立部分（与致谢同处、参考文献之前），且不计入页数限制。

若研究仅推动机器学习领域进步，可使用如下简短模板：

「本论文旨在推动机器学习领域的发展。我们认为本研究并无需特别强调的社会影响。」

需要注意的是，评审员与 AC 可将论文标记为伦理审查对象，严重违规者可能因伦理问题被拒稿。

通俗摘要：被接收论文作者需提交简明易懂的通俗摘要，以便向公众传达研究意义。官方将提供具体示例与模板。

可选自评排名：与往年类似，多篇投稿的作者可自愿对其论文进行质量排序。

参考链接：

https://x.com/icmlconf/status/1986089104367308805

https://icml.cc/Conferences/2026/CallForPapers