一年一度的AI顶会ICLR（International Conference on Learning Representations）和CVPR（Conference on Computer Vision and Pattern Recognition）近日同时公布了论文录用和审稿结果，引起了AI界的广泛关注。作为深度学习领域最重要的会议之一，ICLR 2025的录用结果更是备受瞩目。本文将为大家详细介绍本次大会的录用情况，并带大家一起领略部分优秀论文的风采。
就在近日，ICLR 2025的最新录用结果 正式出炉。本次大会共接收了11,565份投稿，相比去年增加了4000余篇，增幅显著。然而，面对如此庞大的投稿数量，大会的录用率依然保持在了32.08%，与往年相比变化不大，甚至略有提升。这足以证明ICLR在学术界的影响力和竞争力。
值得一提的是，本次大会的审稿过程依然严格而公正。根据「Paper Copilot」的统计，评审均分在6.0以上的论文被接受的可能性较大，而均分在5.0以下的论文则几乎不会被接受。这一标准不仅确保了大会论文的质量，也为作者们提供了一个相对公平的竞争环境。
从本次大会的投稿主题来看，大语言模型无疑是当下的研究热点。按照第一个关键词计算，排名前10的关键词中有一半都与大模型相关，包括Large Language Models以及缩写、大小写等不同变体。此外，强化学习主题在前10中也占有两位，显示出该领域在AI研究中的重要地位。
除了大语言模型和强化学习外，联邦学习、图神经网络和扩展模型等主题也备受关注。这些领域的研究不仅推动了AI技术的不断进步，也为解决现实问题提供了更多的可能性。
随着录用结果的公布，网友们也纷纷晒出了自己的成绩单。其中不乏一些表现突出的作者和佳作。
南加州大学CS助理教授Yue Wang与合作者一起共有8篇论文被录用，展现出了强大的研究实力。英伟达高级研究科学家谢恩泽更是「投5中5」，成绩喜人。人大高瓴人工智能学院副教授刘勇也被接受了5篇论文，其研究主要从理论上说明了数据合成、预训练对大模型的影响，并提出了一种高效的大模型微调方法，具有很高的学术价值。
清华大学博士生李凯也成功入选了2篇论文。其中一篇提出了SonicSim声音分离模型，该模型通过物理级声场仿真，不仅复现了声音在复杂空间中的传播轨迹（如墙壁反射、多普勒效应），还创新性地支持声源与麦克风的动态路径规划。另一篇则提出了百万参数级语音分离模型TIGER，构建了一个参数仅105万的轻量架构，参数量下降94.3%，计算量下降95.3%，同时分离质量超越TF-GridNet，推理速度提升8.6倍。这两项研究在语音识别领域具有重要意义。
南洋理工博士后研究员加小俊也表现出色，他作为一作提出了一种更高效的越狱方法——I-GCG。实验表明，I-GCG能显著提升原有方法的攻击性能，并对开源LLM模型实现了接近100%的越狱成功率。这一研究对于提升LLM模型的安全性和可靠性具有重要意义。
伊利诺伊理工大学博士生康伟泰同样值得称赞，他在自己的一作论文中构建了大规模数据集Intent3D和对应的benchmark，并对多种前沿模型进行了测试。同时，他还提出了新方法IntentNet，实现了最新SOTA性能。这一研究在计算机视觉领域具有重要价值。
