ICLR
ICLR，全稱 International Conference on Learning Representations，中文譯名為「國際學習表征會議」。該會議由 Yoshua Bengio 和 Yann LeCun 牽頭創辦，2013 年召開了首次會議。
ICLR 創辦目的：
眾所周知，數據的應用表征對於機器學習的性能有着重要影響。表征學習的迅猛發展也伴隨着不少問題，比如我們如何更好地從數據中學習更具含義及有效的表征。我們對這個領域展開了探索，包括了深度學習、表征學習、度量學習、核學習、組合模型、非常線性結構預測及非凸優化等問題。盡管表征學習對於機器學習及包括視覺、語音、音頻及 NLP 領域起着至關重要的作用，目前還缺乏一個場所，能夠讓學者們交流分享該領域所關心的話題。ICLR 的宗旨正是填補這一鴻溝。
ICLR 亮點：
Open Review 評審制度[1]，根據規定：
所有提交的論文都會公開姓名等信息，並且接受所有同行的評價及提問（open peer review），任何學者都可或匿名或實名地評價論文。而在公開評審結束后，論文作者也能夠對論文進行調整和修改。
ICLR 官方投稿入口：OpenReview.net
OpenReview.net 是馬薩諸塞大學阿默斯特學院 Andrew McCallum 為 ICLR 2013 牽頭創辦的一個公開評審系統，秉承公開同行評審、公開發表、公開來源、公開討論、公開引導、公開推薦、公開 API 及開源等八大原則，得到了 Facebook、Google、NSF 和馬薩諸塞大學阿默斯特中心等機構的支持。
CVPR
CVPR，全稱 IEEE Conference on Computer Vision and Pattern Recognition，中文譯名「IEEE 國際計算機視覺與模式識別會議」。1983年，第一屆 CVPR 會議在華盛頓由金出武雄和 Dana Ballard 舉辦，此后每年都在美國本土舉行。
CVPR）是 IEEE 一年一度的學術性會議，會議的主要內容是計算機視覺與模式識別技術。一般在六月舉行，地點通常位於美國的西部，中部或東部地區。例如，2013 年在波特蘭召開，2014 年在哥倫比亞舉辦，2015 年在波士頓，2016 年在拉斯維加斯，2017 年在夏威夷等。
CVPR，與 ICCV 和 ECCV 一同並列計算機視覺三大頂會。近年來每年有約 1500 名參加者，收錄的論文數量一般 300 篇左右，整體收錄率 < 30%，口頭報告的論文比例 < 5%。CVPR 一般采用「雙盲評審」，通常一篇論文需要由三位審稿人進行審讀，最后由會議的 area chair 決定是否被接收。該會議每年都會有固定的研討主題。企業也可以通過贊助該會議從而獲得在會場展示的機會。
ECCV
ECCV，全稱 European Conference on Computer Vision，中文譯名「歐洲計算機視覺國際會議」。兩年召開一次。該會議每年錄用的論文數量 300 篇左右，錄取率 2010 年 27% 左右，錄用的論文來源主要為美國、歐洲等頂尖實驗室和研究所，中國大陸每年差不多有 10-20 篇論文被錄用。
ICML
ICML，全稱 International Conference on Machine Learning，中文譯名「國際機器學習大會」，由國際機器學習學會（IMLS）主辦，一年一次。與 NIPS 並列機器學習兩大頂會。
NIPS
NIPS，全稱 Conference and Workshop on Neural Information Processing Systems，中文譯名「神經信息處理系統」大會，是一個關於機器學習和計算神經科學的國際會議。
大會每年 12 月舉行，主辦方為 NIPS 基金會。會后一般會在第 2 年初版會議的論文集，會議的名字「Advances in Neural Information Processing Systems」。
NIPS 與標准的機器學習會議（如 ICML）不同，NIPS 會議有相當一部分是關於神經科學的，但因為主要內容仍然是機器學習，所有依然被不少人看作是機器學習方面最好的會議之一。
參考資料：
[1] https://zhuanlan.zhihu.com/p/51749414
[2] https://www.leiphone.com/news/201704/CdCLonir2okijXtg.html
[3] https://blog.csdn.net/program_developer/article/details/72846359
目前的論文審核主要分為單盲 (single-blind review)、雙盲 (double-blind review) 及開放評審（open review）等多種形式。① 單盲評審的含義非常簡單，即評審知道作者的名字、學校等身份信息，但作者並不知道評審論文的人是誰；② 而雙盲評審則是雙方都不知曉彼此的身份信息。這兩種方式為較多學術會議及期刊評審論文的主要途徑。單盲評審的優勢非常明顯，即評審處於匿名身份，可以讓評審免受壓力，但評審由於知道了論文的作者信息，則非常有可能產生刻板印象，產生不夠客觀的評審結果。比如，對於比較有名的學者，評審會對論文的質量產生預設。而雙盲評審則能夠大幅降低作者個人信息所帶來的附加效應，不過，評審也非常有可能從行文、主題中判斷作者的信息。