李亚洲 刘晓坤报道

明年AI学术会议投稿规模炸裂!注意ICML 2019的这些变化

今日,ICML 2019 程序主席之一 Ruslan Salakhutdinov 教授在 Twitter 上表示为了鼓励可复现性和高质量的论文提交,今年 ICML 的程序委员会在论文提交上作出了三项改变。希望机器之心计划提交 ICML 2019 论文的读者们注意。

随着人工智能的火热,当前 AI 领域的学术会议也受到越来越多的关注,而这些学术会议的投稿规模也不断超越往届,据网友统计,近期 AI/ML/NLP/CV 顶会投稿规模分别为:EMNLP2018: 2137 篇;NIPS2018: 4900 篇;AAAI2019: 7700 篇;CVPR2019: 5100 篇。

在投稿规模激增的背后,也存在一系列的问题:例如评审人员不够、评审质量的降低等。例如 AAAI 2019 程序主席、南京大学周志华教授在谈到 AAAI 2019 7700 多篇论文提交量的时候,就评论说:

当前主要矛盾是够水平的审稿人数远不足以应付快速增长的巨量投稿数。随便什么高水平会议,几千个投稿涌过去足以冲垮防线。除非不公开征文,否则似乎无解。这是会议机制本身的问题。CS 重视会议的传统形成于 CS 还是小学科的时候,从业者多了之后问题就显现出来了,相对较大的子领域先遭殃。

今年的 ICML 大会将于 6 月 10-15 日在美国加州长滩举行,大会主席为 Petuum 创始人兼 CEO 邢波教授,程序主席为 Kamalika Chaudhuri、Ruslan Salakhutdinov。为了鼓励论文的可复现性和高质量的论文提交,今年 ICML 的程序委员会在论文提交上作出了三项改变。希望机器之心的读者们能够及时获知,以免错过:

1. 设置了论文摘要的提交 deadline,2019 年 1 月 18 日。只有提交了合适摘要的论文才能被允许提交 full paper,并且占坑性质的摘要将会被移除,重点提一下,标题和摘要都不能有 test、xyz 这样的占位符。提交的摘要不合格的话就不能提交 full paper 了。full paper 的提交 deadline 是 2019 年 1 月 23 日。

2. 今年,在 full paper 提交的 deadline 之后,不能再修改作者名单。

3. 最后,为了促进可复现性,委员会鼓励提交的论文附带代码。他们设置的提交形式包含了两种可选的补充文件:常规的附录和代码。结果的可复现性和代码的易用性将作为论文接收和进一步决策的考虑因素。

详细信息如下表格所示(倒计时中):

论文提交的开始时间,论文摘要的提交 deadline,full paper 的提交 deadline,以及教程提交 deadline。注意这里显示的是太平洋时间,太平洋时间 2019 年 1 月 7 日 12:00 对应北京时间 2019 年 1 月 8 日 4:00。

ICML 2019 的官网中还给出了更多的论文提交要求:

  • 不包括 reference 时,论文长度上限为 8 页;包括 reference 和 acknowledgment 时,上限为 12 页。不合要求的论文自动拒绝。作者可以自行考虑要不要提交附录和代码,评审可以全权决定要不要参考这些信息。

  • 所有的论文提交必须是电子版的、匿名的,必须遵循模板(尚未放出)中的格式说明,否则自动拒绝。

双重提交政策

这三种情况下提交的论文是不合适的(不是自动拒绝):和之前发表的论文版本十分雷同,或已经发表,或同时提交到其它大会。这些论文违反了 ICML 2019 的双重提交政策,组织者有权拒绝这类论文,并在论文集中移除。但有几个例外(详情参见官网)。

评审标准

接收的论文必须包含显著新颖的结果,无论是理论的或者实验的。对结果的评判将基于客观性和/或科学价值,以及技术影响力。结果的可复现性和代码的易用性也是重要的参考因素。

参考链接:

https://twitter.com/rsalakhu/status/1067789951192969216
http://hunch.net/?p=10858918&fbclid=IwAR1Zn9HI0n3fq81vySB6_qlWhY-tJeWj-K-rxXv-9y6cpBo72vAJs0ViV28

https://icml.cc/Conferences/2019/CallForPapers

产业论文ICML 2019
相关数据
Petuum机构

Petuum is a software infrastructure and ecosystem provider that enables AI for enterprise. Petuum’s operating system gives users a single platform to build any Machine Learning or Deep Learning application using large amounts of data, and deploy it at scale on any hardware – such as workstations, datacenters, the internet of things, and edge computing.The Petuum development platform and gallery of AI building blocks work with any programming language and any type of data, allowing managers and analysts to quickly build AI applications without any coding, while engineers and coders can further re-program applications as needed. With Petuum, many AI applications and hardware can be created and managed from a single laptop or terminal, driving higher productivity, better service, lower costs, and faster delivery. By standardizing AI solutions, Petuum lowers the barrier to AI adoption and allows for the integration of AI into every industry.

https://www.petuum.com/
拉斯 · 萨拉克赫迪诺弗人物

CMU 机器学习教授,苹果人工智能研究负责人。Ruslan Salakhutdinov 于 2009 年从多伦多大学获得机器学习(计算机科学)博士学位,之后在 MIT 人工智能实验室渡过了两年博士后生涯,后来加入了多伦多大学计算机科学与统计部做助理教授。2016 年 1 月,CMU 宣布邀请 Russ Salakhutdinov 作为机器学习部门的副教授。他的主要研究兴趣包括人工智能、机器学习、深度学习、大规模优化。

周志华人物

周志华分别于1996年6月、1998年6月和2000年12月于 南京大学计算机科学与技术系获学士、硕士和博士学位。主要从事人工智能、机器学习、数据挖掘 等领域的研究工作。主持多项科研课题,出版《机器学习》(2016)与《Ensemble Methods: Foundations and Algorithms》(2012),在一流国际期刊和顶级国际会议发表论文百余篇,被引用三万余次。

邢波人物

卡内基梅隆大学计算机科学学院教授,机器学习系副主任,专攻机器学习、计算生物学和统计方法等方向。他与合作者开发了Petuum平台,利用工作站、分布式计算机、移动设备或嵌入式设备来解决大型机器学习的问题。2016年11月,邢波创立Petuum公司,担任CEO和首席科学家。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

推荐文章
暂无评论
暂无评论~