会议和期刊介绍
在开始科研之前，了解你所在领域的顶级会议和期刊非常重要——它们不仅是发表成果的主要渠道，也是了解前沿趋势、建立学术 network 的核心平台。
实用工具推荐：
- CCF DDL：查看各大会议的投稿截止时间，按领域筛选，非常方便
- Paper Copilot：查看每届会议的论文收录情况、接收率等统计数据
一、会议（Conference）
AI 领域以会议发表为主流（不同于很多传统学科以期刊为主），顶会论文的认可度非常高。以下按方向分类介绍。
1. 机器学习三大会（ML Top 3）
这三个会议是整个 AI / 机器学习领域最顶级的综合性会议，覆盖面最广，竞争也最激烈。
| 会议 | 全称 | 频率 | 说明 |
|---|---|---|---|
| NeurIPS | Neural Information Processing Systems | 每年 1 次（12 月） | AI 领域最老牌的顶会之一，每年投稿量过万，接收率约 25%。涵盖机器学习、深度学习、优化、强化学习、AI 理论等几乎所有方向。 |
| ICML | International Conference on Machine Learning | 每年 1 次（7 月） | 与 NeurIPS 齐名的机器学习顶会，偏理论和方法论，对数学基础和严谨性要求较高。 |
| ICLR | International Conference on Learning Representations | 每年 1 次（5 月） | 相对最「年轻」的顶会（2013 年深度学习三巨头LeCun以及Bengio创办），以表征学习起家，现已覆盖深度学习各方向。采用 OpenReview 公开审稿，透明度高。 |
对本科生的建议： 三大会的投稿竞争非常激烈，但是请各位同学去魅，因为今年开始已经有本科生可以发了。如果你在大二、大三开始系统做科研，完全有机会在本科期间投稿，而如果是认真做的，那么中稿概率是能有30%的，因为实际投稿中，含有大量明显存在问题的论文。
2. 计算机视觉三大会（CV Top 3）
| 会议 | 全称 | 频率 | 说明 |
|---|---|---|---|
| CVPR | Conference on Computer Vision and Pattern Recognition | 每年 1 次（6 月） | CV 领域最大、最有影响力的会议，每年投稿量过万，接收率约 25%。几乎所有视觉方向的重要工作都会在这里发表。 |
| ICCV | International Conference on Computer Vision | 每两年 1 次（10 月） | 与 CVPR 齐名，双年会，论文质量和 CVPR 类似。 |
| ECCV | European Conference on Computer Vision | 每两年 1 次（10 月） | 欧洲主办的 CV 顶会，与 ICCV 交替举行（奇数年 ICCV，偶数年 ECCV），水平与 ICCV 接近。 |
补充说明： ICCV 和 ECCV 交替举办，所以每年都会有一个 CV 双年会可以投。加上 CVPR，CV 方向每年大约有两次顶会投稿机会。
3. 自然语言处理（NLP）
| 会议 | 全称 | 频率 | 说明 |
|---|---|---|---|
| ACL | Annual Meeting of the Association for Computational Linguistics | 每年 1 次（7–8 月） | NLP 领域的旗舰会议，历史最悠久、影响力最大。涵盖语言模型、机器翻译、信息抽取、对话系统等所有 NLP 方向。 |
| EMNLP | Conference on Empirical Methods in Natural Language Processing | 每年 1 次（10–12 月） | NLP 领域第二大会议，偏实证研究，近年来影响力与 ACL 越来越接近。 |
| NAACL | North American Chapter of the ACL | 每年 1 次（6 月） | ACL 的北美分会，水平略低于 ACL 和 EMNLP，但仍是不错的发表平台。 |
补充说明： 在大语言模型（LLM）时代，NLP 的边界已经与 ML 三大会高度重合，很多 LLM 相关的工作也会投 NeurIPS / ICLR / ICML。
4. 人工智能综合
| 会议 | 全称 | 频率 | 说明 |
|---|---|---|---|
| AAAI | AAAI Conference on Artificial Intelligence | 每年 1 次（2 月） | 老牌 AI 综合会议，涵盖范围很广（ML、NLP、CV、知识表示、规划等）。近年投稿量激增，整体水平在顶会和次顶会之间。 |
| IJCAI | International Joint Conference on Artificial Intelligence | 每年 1 次（8 月） | 与 AAAI 类似的综合性 AI 会议，国际化程度更高，定位与 AAAI 接近。 |
5. 其他重要方向的会议
| 方向 | 代表会议 | 说明 |
|---|---|---|
| 语音处理 | INTERSPEECH、ICASSP | INTERSPEECH 是语音领域最大的会议；ICASSP 覆盖信号处理和语音，由 IEEE 主办。 |
| 医学图像 | MICCAI | 医学图像计算与计算机辅助干预，是该交叉领域的旗舰会议。 |
| 多媒体 | ACM MM | ACM 多媒体会议，涵盖视频理解、多模态、内容检索等。 |
| 信息检索 | SIGIR、WWW（The Web Conference） | SIGIR 是信息检索领域顶会；WWW 覆盖 Web 相关的搜索、推荐、社交网络等。 |
| 数据挖掘 | KDD、WSDM | KDD 是数据挖掘领域的旗舰会议，工业界认可度极高；WSDM 偏 Web 搜索与数据挖掘。 |
| 机器人 | RSS、CoRL、ICRA | RSS 和 CoRL 是机器人学习领域的顶会；ICRA 覆盖面更广，是机器人领域最大的会议。 |
| 系统 / 体系结构 | OSDI、SOSP、MLSys | OSDI 和 SOSP 是操作系统 / 系统领域的双顶会；MLSys 专注于机器学习系统。 |
二、期刊（Journal）
相比会议，期刊的审稿周期更长（通常 3–12 个月），但每篇论文的篇幅更长、内容更完整。在 AI 领域，期刊论文的地位整体不如顶会，但部分顶级期刊的认可度依然很高，尤其在偏传统或交叉方向。
1. 顶级期刊
| 期刊 | 全称 | 说明 |
|---|---|---|
| TPAMI | IEEE Transactions on Pattern Analysis and Machine Intelligence | AI / CV 领域影响因子最高的期刊，被广泛认为是 AI 方向最顶级的期刊之一。很多顶会论文的扩展版会投到 TPAMI。 |
| IJCV | International Journal of Computer Vision | CV 领域的顶级期刊，与 TPAMI 齐名，偏学术性和理论深度。 |
| JMLR | Journal of Machine Learning Research | 机器学习领域的顶级开放获取期刊，偏理论和方法，审稿严格但完全免费发表。 |
2. 重要期刊
| 期刊 | 全称 | 说明 |
|---|---|---|
| TIP | IEEE Transactions on Image Processing | 图像处理领域的顶级期刊，涵盖图像增强、修复、分割、生成等。 |
| TKDE | IEEE Transactions on Knowledge and Data Engineering | 数据挖掘和知识工程领域的重要期刊。 |
| TASLP | IEEE/ACM Transactions on Audio, Speech and Language Processing | 语音和语言处理领域的主要期刊。 |
| TMM | IEEE Transactions on Multimedia | 多媒体方向的重要期刊，涵盖视频、音频、多模态等。 |
| Nature / Science 子刊 | Nature Machine Intelligence、Science Robotics 等 | 顶级综合期刊的 AI 相关子刊，影响力极大，但发表难度也极高，通常需要有显著的创新性和广泛的影响。 |
3. 会议 vs 期刊：如何选择？
对于 AI 领域，一些基本的判断原则：
- 首选投会议：AI 领域的节奏非常快，顶会的审稿周期短（2–4 个月）、传播速度快，是主流的成果发表方式。
- 期刊适合的场景：会议论文的扩展版（extended version）、偏理论或系统性的长文、交叉学科的工作（如 AI + 医学、AI + 生物等）。
- CCF 分级参考：中国计算机学会（CCF）将会议和期刊分为 A、B、C 三档，可以作为判断论文发表平台水平的参考，但不要过于迷信分级——有些 B 类会议在特定方向上的认可度可能高于部分 A 类。