ICLR 简介

  ICLR，全称为International Conference on Learning Representations（国际学习表征会议），2013 年开始每年举办一次，2020年将举办第八届会议，该会议已经得到学术研究者们的广泛认可，被认为是深度学习领域的顶级会议，虽然成立时间不长，但是与AAAI、CVPR、ACL 及 NIPS 等老牌学术会议一样，被 CCF 评选为一类会议。

创办者

  ICLR 是由位列深度学习三大巨头之二的 Yoshua Bengio 和 Yann LeCun 牵头创办。

  Yoshua Bengio ，蒙特利尔大学教授，深度学习三巨头之一，他领导蒙特利尔大学的人工智能实验室（MILA）进行 AI 技术的学术研究。MILA 是世界上最大的人工智能研究中心之一，与谷歌也有着密切的合作。

  Yann LeCun ，纽约大学教授，深度学习三巨头之一的他现任 Facebook 人工智能研究院（FAIR）院长，卷积神经网络之父，为深度学习的发展和创新作出了重要贡献。

会议宗旨

  ICLR 希望能为深度学习提供一个专业化的交流平台。众所周知，数据的应用表征对于机器学习的性能有着重要影响。表征学习的迅猛发展也伴随着不少问题，比如我们如何更好地从数据中学习更具含义及有效的表征。我们对这个领域展开了探索，包括了深度学习、表征学习、度量学习、核学习、组合模型、非常线性结构预测及非凸优化等问题。

  尽管表征学习对于机器学习及包括视觉、语音、音频及 NLP 领域起着至关重要的作用，目前还缺乏一个场所，能够让学者们交流分享该领域所关心的话题。ICLR 的宗旨正是填补这一鸿沟。

会议特色：Open Review 评审机制

  ICLR 不同于其它国际会议，得到好评的真正原因，并不只是两位创办者所自带的名人光环，而在于它推行的 Open Review 评审制度。

Open Review 评审机制

  目前的论文审核主要分为单盲 （single-blind review）、双盲 （double-blind review） 及开放评审（open review）等多种形式。单盲评审的含义非常简单，即评审知道作者的名字、学校等身份信息，但作者并不知道评审论文的人是谁；而双盲评审则是双方都不知晓彼此的身份信息。这两种方式为较多学术会议及期刊评审论文的主要途径。

  单盲评审的优势非常明显，即评审处于匿名身份，可以让评审免受压力，但评审由于知道了论文的作者信息，则非常有可能产生刻板印象，产生不够客观的评审结果。比如，对于比较有名的学者，评审会对论文的质量产生预设。而双盲评审则能够大幅降低作者个人信息所带来的附加效应，不过，评审也非常有可能从行文、主题中判断作者的信息。

  而 Open Review 则非常不同，根据规定，所有提交的论文都会公开姓名等信息，并且接受所有同行的评价及提问（open peer review），任何学者都可或匿名或实名地评价论文。而在公开评审结束后，论文作者也能够对论文进行调整和修改。

  ICLR 虽然并不一定是第一个采用 Open Review 进行论文评审的机构，但一定是做得最公开、影响范围最大的一个会议。虽然 ICLR 开了公开透明的先河，但也有可能引来争议及不必要的舆论讨论。

  目前 ICLR 的历届所有论文及评审讨论的内容，都完整地保存在 OpenReview.net 上，它也是 ICLR 的官方投稿入口。OpenReview.net 是马萨诸塞大学阿默斯特学院 Andrew McCAllum 为 ICLR 2013 牵头创办的一个公开评审系统，秉承公开同行评审、公开发表、公开来源、公开讨论、公开引导、公开推荐、公开 API 及开源等八大原则，得到了 Facebook、GOOGle、NSF 和马萨诸塞大学阿默斯特中心等机构的支持。此外，目前它也接受其它学术会议的论文投递。

【参考】

雷锋网：《才办了五年的 ICLR，为何被誉为“深度学习的顶级会议”？| ICLR 2017》