CPAL会议简介

CPAL是一年一度的研究型学术会议，专注于解决机器学习、信号处理、优化等领域中普遍存在的简约（Parsimonious）、低维结构（Low Dimensional Structures）问题。回顾本次会议的出发点，其设计为一个普遍的科学论坛，使机器学习、应用数学、信号处理、优化、智能系统以及所有相关的科学和工程领域的研究人员能够聚集在一起，分享意见，并最终达成努力一个共同的现代理论和计算框架，从简单学习的角度理解智能和科学。https://cpal.cc/

首届CPAL（https://2024.cpal.cc/）于2024年1月在香港大学举办，吸引了数百名世界各地的成功参与会者，包括为期四天的绑架的活动。首届大会邀请了九位特邀演讲者，十六位新星奖得主，以及近百篇接受论文（双轨道）的相关或海报报道。

次届CPAL（https://2025.cpal.cc/）于2025年3月在斯坦福大学举办，参会学者和论文接收量均扩大一倍，超两百名来自世界各地的顶尖学者发表了精彩的主题报告和海报展示。

CPAL 2026

根据CPAL成立时的规划，大会将每年在亚洲-美洲-欧洲的顶尖学术机构轮流举办。

继香港大学和斯坦福之后，第三届CPAL将于2026年3月在历史悠久的德国学术重镇-图宾根举办，由著名的德国马普所智能系统研究所（MPI-IS）和欧盟最新成立的人工智能中心ELLIS Institute Tübingen共同承办。

会议官网：  https://cpal.cc/

大会愿景：

“一切都应该尽可能简单，但不能再简单了。”——阿尔伯特·爱因斯坦

智能或科学的存在，因此其产生的争论原因是，世界并不是完全随机的，而是高度重构和可预测的。因此，智能或科学的一个基本目的和功能是从大量感知到世界数据中学习简单的模型（或规律），来理解这种可预测的结构。

在过去的十年中，机器学习和大规模计算的出现，极大地改变了我们在工程和科学中处理、解释和预测数据的方式。基于特定信号和测量结构的参数模型（比如稀疏和低秩模型）来设计算法的「传统」方法，相关的优化工具包，现在已经通过数据驱动的学习技术得到了极点然而，无论是现代数据驱动还是经典模型基础的范例的成功，都关键地依赖于正确识别实际数据中的低维结构，我们认为学习和压缩数据处理算法的角色（无论是显式还是隐式，如深度网络）都是不可密分的。

最近，基础模型的出现使一些人提出，简约性和压缩性本身就是智能系统学习目标的一个基本部分，这与神经科学对压缩作为感知世界感知数据的指导原则的观点贯穿。总的来说，这些研究路线相对独立地发展，尽管它们的基础性和目的都在于简约性和学习。我们组织这次会议的目标统一或解决和进一步深入研究这个问题：我们希望这次会议成为一个通用的科学论坛，让机器学习、应用数学、信号处理、优化、智能系统以及所有相关科学和工程领域的研究人员可以在这里紧密交流，分享意见，从最终简洁学习的视角向理解智能和科学的现代理论和计算框架共同迈进。

关键日期：

● 2025年12月5日：大会论文投稿前期

● 2025年12月10日：教程 (Tutorial) 提议

● 2025年12月15日：“学术新星”申请先行

● 2026年1月5号：初稿预设

● 2026年1月8-11日：论文反驳

● 2026年1月14日：教程（Tutorial）结果发布

● 2026年1月15日：“近期焦点”文章投稿前

● 2026年1月20日：最终论文评审结果发布

● 2026年3月23-26日：会议在德国图宾根举行

所有第一日期为 UTC-12:00 时区（AOE 地球上任何地方）的晚上 11:59。

学术新星“明日之星”激励计划

为激励和支持学术界新生，CPAL特制定了“新星”计划，着眼于简约与学习领域表现突出的青年研究人员的关怀和期望。鼓励我们博士生、博士后和青年学者开展他们的研究工作。被选中的“新星”将有机会在大会上展示他们的成果，并获得与领域内顶尖学者交流的宝贵机会。我们希望通过这个计划，能够激发更多新生代研究人员的创新潜力，推动简约与学习领域的发展。

论文提交学科和领域

CPAL会议包括两个轨道：大会论文集（Proceedings Track）和“近期焦点”轨道（Recent Spotlight Track），详情请参考官网：https://cpal.cc/tracks/

● 「大会论文集」轨道（文档）：提交和评审阶段是双盲的。会议使用 OpenReview 托管论文并允许公开讨论。完整的论文最多可以有九页，参考文献和附录页数不受限制。

● 「最新亮点」轨道（非归档）：提交会议风格的论文（最多九页，附加页用于参考文献），描述工作内容。请在 OpenReview 上上传一篇简短（250字）的摘要。评审将采用单盲方式进行（作者无需匿名化提交）。

评审机制中的重要创新：每篇论文都有一个程序主席负责主导。对于每篇被接受的论文，其负责的领域主席和程序主席的姓名将在其 OpenReview 页面上公开发布，以确保责任。对于每一篇被拒绝的论文（不包括撤稿），只需显示其负责的程序主席的姓名。审稿人获得评级并动态选择。

CPAL欢迎以下兴趣领域相关的投稿，包括但不限于：

●理论与基础：

○稀疏编码、重构稀疏性、子空间学习、低维流形及一般低维结构的理论。

○字典学习和低维结构的表征学习，以及它们与深度学习理论的联系。

○等变性和不变性建模。

○理论神经科学和认知科学的基础，以及生物启发的计算机制造。

●优化与算法：

○学习结构和成型的优化、鲁棒性和泛化方法。

○可解释和高效的硬件架构（如基于扩展优化的架构）。

○高效数据和高效计算的训练与推理方法。

○自适应和鲁棒的学习和推理算法。

○全球化、网络化或联邦学习在大规模环境中的应用。

○其他非线性降维和表征学习方法。

●数据、系统与应用：

○特定领域的数据集、基准和评估指标。

○从数据中学习简单和成型的表征。

○受益于简单先验的逆问题。

○为简单学习算法设计的硬件和系统良好的设计。

○在智能系统中，集成采集-行动循环的简单学习。

○在科学、工程、医学和社会科学中的应用。

CPAL 2026 会议团队

大会主题报告（主题演讲）

●弗朗西斯·巴赫（INRIA - 巴黎高等师范学院）

●何袅（苏黎世联邦理工学院）

● Bernhard Schölkopf（马克斯·普朗克智能系统研究所所长 & ELLIS图宾根研究所所长） 

●铃木太二（东京大学、日本理化学研究所）

● Fanny Yang（苏黎世联邦理工学院）

更多主题报道人将在获得正式确认后公布！

大会主席（General Chairs）：

●马毅 (香港大学及加州大学伯克利分校)

会议程序主席（Program Chairs）：

●刘世伟（马克斯·普朗克智能系统研究所&ELLIS图宾根研究所）

● Rebekka Burkholz（CISPA 亥姆霍兹信息安全研究中心） 

● Saiprasad Ravishankar（德克萨斯州立大学）

●威廉·T·雷德曼（约翰·霍普金斯大学）

资深顾问（项目主席高级顾问）：

●汪张扬（XTX Markets研究总监 & 德州大学奥斯丁分校）

●曲庆（加拿大大学）

●刘思佳（加拿大州立大学）

● Jere Sulam（约翰·霍普金斯大学）

●王宇翔（加州大学圣迭戈分校）

地方主席（Local Chairs）：

●乔纳斯·盖平（ELLIS图宾根研究所）

●秦浩桐（苏黎世联邦理工学院）

● Decebal Constantin Mocanu（卢森堡大学）

出版主席（Publication Chairs）：

●苏炜杰（宾夕法尼亚大学）

●朱志辉（俄亥俄州立大学）

●黄伟（日本理化学研究所）

行业联络主席（Industry Liaison Chairs）

● Souvik Kundu （英特尔实验室）

●梁轶（谷歌DeepMind）

●刘泽春（Meta Reality Labs）

教程主席（Tutorial Chairs） 

●尤翀（谷歌DeepMind）

宣传主席（宣传主席）

●申荔月（加拿大大学）

学术新星奖主席（Rising Stars Award Chairs）

●陈天龙（北卡罗来纳大学教堂山分校）

网站主席（Web Chairs）

● Sam Buchanan（加州大学伯克利分校）

图宾根本地团队（Local Support）

● Carmela Rianna（图宾根ELLIS研究所）

● Matthias Tröndle（图宾根人工智能中心）

我们诚挚邀请所有相关领域的研究人员踊跃投稿，分享您的研究成果，推动简约与学习领域的发展。