在机器学习领域，NeurIPS 会议的论文接受量虽然最多，但是该会议的论文收录率却最低。在计算机视觉领域，CVPR 会议论文的收录率低于 ECCV。在自然语言处理领域，ACL 与 EMNLP 两个会议的收录率差别不大；值得一提的是，在 EMNLP2020 会议中，中国的论文接受率只有 13.2%，远低于大会的平均水平，而英国、新加坡和丹麦在该会议中有超过 30%的接受率，美国也有 27%的接受率，可见中国学者论文的接受率还有待提高。
▲人工智能几个重点子领域顶级国际学术会议 2020 年的论文录取情况
02.深度学习热度高，GNN、RNN算法最火爆基于上文所述的人工智能几个重点领域 10 个顶级国际学术会议所收录的论文，通过对会议论文的标题、摘要和自带关键词进行统计分析和文本聚类，运用TF-IDF 算法对所研究时段内的主题相关论文数量进行计算，获取论文数量 TOP20 的热点关键词并制作词云图，得到人工智能几个重点领域的近五年（2015-2020年）来的主题研究热点。
1、机器学习
综合机器学习领域三个顶级会议（ICLR、NeurIPS、ICML）的论文研究点，发现近年来机器学习最热门的研究技术点是深度学习（Deep Learning）或深度神经网络（Deep Neural Networks）、强化学习（Reinforcement Learning）、深度强化学习（Deep Reinforcement Learning），尤其是深度学习中的生成式对抗网络（GAN,Generative Adversarial Networks）与循环神经网络（Recurrent Neural Network, RNN)）两大算法模型，相关论文量占比达 14.8%。此外，还都较多涉及了梯度下降（Gradient Descent ）方法。
除了以上共同的研究热点，ICLR 与 ICML 都较多研究了深度学习中的对抗样本（Adversarial Examples）问题。ICLR 与 NeurIPS 会议论文都较多研究了深度学习中的卷积神经网络（Convolutional Neural Networks，CNN）算法。而 ICML和 NeurIPS 两个会议的论文都较多研究了贝叶斯优化 (Bayesian Optimization)、变分推断（Variational Inference）、高斯过程（Gaussian Process, GP）、主动学习（Active Learning）、在线学习（Online Learning）等技术点。
就单个会议而言，ICLR 会议论文还较多研究了学习表征（Learning Representations）、迁移学习（Transfer Learning）、无监督学习（UnsupervisedLearning）等方法。ICML 会议论文还涉及了少量的差分隐私（Differential Privacy）、非凸优化（Nonconvex Optimization）方法，以及结构化预测（Structured Prediction）问题；NeurIPS 会议论文还较多研究了样本复杂度（Sample Complexity）等问题。
