CPAL會議簡介
CPAL是一年一度的研究型學術會議，專注於解決機器學習、訊號處理、最佳化等領域中普遍存在的簡約 (Parsimonious)、低維結構 (Low Dimensional Structures) 問題。 創辦這個會議的出發點，即將其設計為一個普遍的科學論壇，使機器學習、應用數學、訊號處理、最佳化、智慧系統以及所有相關的科學和工程領域的研究人員能夠聚集在一起，分享見解，並最終努力達成一個共同的現代理論和計算框架，從簡約學習的角度理解智慧和科學。
首屆CPAL於2024年1月在香港大學成功舉辦，會議吸引了數百名世界各地的參會者，包含四天豐富多彩的議程的活動。首屆大會邀請了九位特邀講者，十六位新星獎得主，和近百接受論文（雙軌道）的口頭或海報報導。
首屆大會詳情可見：https://2024.cpal.cc/
CPAL 2025
第二屆CPAL將於2025年3月底在史丹佛大學舉辦，由史丹佛大學資料科學院承辦。
會議官網: https://cpal.cc/
大會願景：
"Everything should be made as simple as possible, but not any simpler." – Albert Einstein
智慧或科學的存在，乃至其產生的最基本原因之一是，世界並非完全隨機，而是高度結構化和可預測的。因此，智慧或科學的一個基本目的和功能是從大量感知到的世界資料中學習簡約的模型（或規律），來理解這種可預測的結構。
在過去的十年中，機器學習和大規模計算的出現，極大地改變了我們在工程和科學中處理、解釋和預測資料的方式。基於特定訊號和測量結構的引數模型（比如稀疏和低秩模型）來設計演算法的「傳統」方法，及其相關的最佳化工具包，現在已經透過資料驅動的學習技術得到了極大地豐富，其中，大規模網路被預訓練，然後適應各種具體任務。然而，無論是現代資料驅動還是經典模型基礎的範例的成功，都關鍵地依賴於正確識別實際資料中存在的低維結構，我們認為學習和壓縮資料處理演算法的角色（無論是顯式還是隱式，如深度網路）是密不可分的。
最近，基礎模型的出現使一些人提出，簡約性和壓縮本身是智慧系統學習目標的一個基本部分，這與神經科學對壓縮作為大腦表徵世界感知資料的指導原則的觀點相連。總的來說，這些研究線路到目前為止相對獨立地發展，儘管他們的基礎和目的都在於簡約性和學習。我們組織這次會議的目的是統一解決和進一步深化研究這個問題：我們希冀這次會議成為一個通用的科學論壇，讓機器學習、應用數學、訊號處理、最佳化、智慧系統以及所有相關科學和工程領域的研究人員可以在這裡緊密交流，分享見解，最終從簡潔學習的視角向理解智慧和科學的現代理論和計算框架共同邁進。
關鍵日期：
- 2024年11月25日：大會論文投稿截止
- 2024年12月6日：教程 (Tutorial) 提案截止
- 2024年12月15日：“學術新星”申請截止
- 2025年1月3日-6日：論文Rebuttal
- 2025年1月4日：教程 (Tutorial) 結果釋出
- 2025年1月5日："近期焦點" 文章投稿截止
- 2025年1月30日：最終論文評審結果釋出
- 2025年3月24-27日：會議在史丹佛大學舉行
所有截止日期均為 UTC-12:00 時區（地球上任何地方）的晚上 11:59。
學術新星 "Rising Star" 鼓勵計劃
為鼓勵和支援學術界的新生力量，CPAL特別設立了“Rising Star”計劃，旨在發掘和表彰在簡約與學習領域表現突出的年輕研究人員。我們歡迎博士生、博士後和青年學者提交他們的研究工作。被選中的“Rising Star”將有機會在大會上展示他們的成果，並獲得與領域內頂尖學者交流的寶貴機會。我們希望透過這一計劃，能夠激發更多新生代研究人員的創新潛力，推動簡約與學習領域的發展。
論文提交和學科領域
CPAL 會議包括兩個軌道：大會論文集 (Proceedings Track) 和 "近期焦點" 軌道 (Recent Spotlight Track)，詳情請參考官網： https://cpal.cc/tracks/
- 「大會論文集 」軌道 (存檔)：提交和評審階段是雙盲的。會議使用 OpenReview 託管論文並允許公開討論。完整的論文可以有最多九頁，參考文獻和附錄頁數不受限制。
- 「最新亮點」軌道（非存檔）：提交會議風格的論文（最多九頁，附加頁用於參考文獻），描述工作內容。請在 OpenReview 上上傳一個簡短（250 字）的摘要。評審將以單盲方式進行（作者不需要匿名化提交）。
評審機制中的重要創新：每篇論文都有一個 Program Chair 負責引導。對於每篇被接受的論文，其負責的 Area Chair 和 Program Chair 的姓名將公開發布在其 OpenReview 頁面上，以確保責任。對於每篇被拒絕的論文（不包括撤稿），只會顯示其負責的 Program Chair 的姓名。審稿人將獲得評級並動態選擇。
CPAL 歡迎以下興趣領域相關的投稿，包括但不限於：
- 理論與基礎：稀疏編碼、結構化稀疏性、子空間學習、低維流形及一般低維結構的理論。字典學習和低維結構的表徵學習，以及它們與深度學習理論的聯絡。等變性和不變性建模。理論神經科學和認知科學的基礎，以及生物啟發的計算機制。
- 最佳化與演算法：學習緊湊和結構化表徵的最佳化、魯棒性和泛化方法。可解釋和高效的深度架構（如基於展開最佳化的架構）。資料高效和計算高效的訓練與推理方法。自適應和魯棒的學習和推理演算法。分散式、網路化或聯邦學習在大規模環境中的應用。其他非線性降維和表徵學習方法。
- 資料、系統與應用：特定領域的資料集、基準和評估指標。從資料中學習簡約和結構化的表徵。受益於簡約先驗的逆問題。為簡約學習演算法設計的硬體和系統協同設計。在智慧系統中，整合感知-行動迴圈的簡約學習。在科學、工程、醫學和社會科學中的應用。
CPAL 2025 會議團隊
大會主席 (General Chairs):
Emmanuel Candès (史丹佛大學)
- 馬毅 (香港大學 & 加州大學伯克利分校)
會議程式主席 (Program Chairs):
- 陳貝迪 (卡耐基梅隆大學)
- Mert Pilanci (史丹佛大學)
- Jeremias Sulam（約翰霍普金斯大學）
- 王宇翔（加州大學聖迭戈分校）
會議顧問 (Senior Advisors to Program Chairs):
- 汪張揚 （德州大學奧斯丁分校）
- 曲慶 (密歇根大學)
本地主席 (Local Chairs):
- 陳羽北 (加州大學戴維斯分校)
- Sara Fridovich-Keil（史丹佛大學/佐治亞理工）
- 劉晟（史丹佛大學）
出版主席（Publication Chairs）
- 蘇煒傑（賓夕法尼亞大學）
- 朱志輝（俄亥俄州立大學）
行業聯絡主席（Industry Liaison Chairs）
- Babak Ehteshami Bejnordi（高通公司）
Utku Evci（谷歌DeepMind）
- Souvik Kundu（英特爾實驗室）
專題討論主席（Panel Chairs）
- Saiprasad Ravishankar（密歇根州立大學）
教程主席（Tutorial Chairs）
- 尤翀（谷歌研究院）
宣傳主席 （Publicity Chairs）
- 雷琦（紐約大學）
- 劉世偉（牛津大學）
- William T. Redman（加州大學聖巴巴拉分校）
學術新星獎主席（Rising Stars Award Chairs）
- 申荔月（密歇根大學）
網站主席（Web Chairs）
- Sam Buchanan（芝加哥大學豐田技術研究所）
我們誠摯邀請所有相關領域的研究人員踴躍投稿，分享您的研究成果，推動簡約與學習領域的發展。