The 37th Algorithmic Learning Theory conference (ALT 2026) will be held in Toronto, Canada on February 23-26, 2026. The conference is dedicated to all theoretical and algorithmic aspects of machine learning.

所属领域：人工智能

CCF推荐：C

录用率：29.3%（2021年）

时间地点：2026年2月23日-多伦多·加拿大

会议主题

学习算法的设计和分析。

学习理论的经典基础：统计、计算、算法和信息论。

在线学习和博弈论。

优化：凸、非凸、新旧算法、它们的隐含偏差、过参数化等。

不同的学习范式：监督学习、无监督学习、半监督学习、主动学习、强化学习等。

强化学习的各个方面：经典控制理论观点、LLM岗位培训等现代应用、新算法等。

大型语言模型、转换器和所有相关问题。

关于可信人工智能安全和人工智能安全的理论观点：隐私、自适应数据分析、公平性、一致性等。

稳健性：既有经典视角（如训练数据损坏），也有现代视角（如对抗性示例和LLM越狱）。

深度学习的理论视角：浅前馈网络和简单RNN等经典架构以及变压器等现代架构的近似、泛化和优化方面。

核心统计主题：渐近线、高维统计、非参数、因果关系等。

学习代数或组合结构。

贝叶斯方法。

核方法。 

可解释性和可解释性。

具有算法约束的学习：分布式学习、通信和内存高效学习、联合学习、流算法等。

不同的学习方式：时间序列、序列到序列映射、图形数据等。

采样方法的数学分析，包括扩散模型和其他实用方法。