ICLR 2025 Workshop 征稿：推动基础模型的开源、开放、可复现

国际学习表征会议 ICLR 作为深度学习领域的顶级学术活动，将于 2025 年 4 月 24-28 日在新加坡举办。期间，首届 Open Science for Foundation Models (SCI-FM) Workshop 将在会场同步开启，现面向业界进行征稿。

时下，基础模型（Foundation Models）在自然语言处理、计算机视觉、语音识别和多模态理解等领域展现出显著价值。然而，高性能基础模型通常隐藏了训练数据、架构设计等关键技术细节，限制了基础模型的进一步发展。

为此，2025 年 ICLR 期间，第一届 Open Science for Foundation Models (SCI-FM) Workshop 将一同举办。该 Workshop 致力于推动基础模型的开源、开放、可复现。我们邀请了国内外基础模型相关学者参与本次 Workshop ，赋能基础模型的发展和繁荣。

即日起，Open Science for Foundation Models (SCI-FM) Workshop 开启论文征稿，欢迎相关研究者投递。

所有被接受论文都将以海报形式呈现，同时，我们将选择约 3 篇论文进行简短的口头报告，另授予 2 篇投稿优秀论文奖。

1. 论文征集要求

本次 Workshop 鼓励投稿论文尽可能提供开源材料，包括但不限于数据集、模型、训练过程等等。投稿类型分为长文与短文，其中，短文正文不超过 6 页，长文正文不超过 9 页，投稿文章末尾须包含参考文献和附录。

主题包括（但不限于）以下内容：

Open Datasets：通过手动或算法方法获取、管理和合成预训练、指令和偏好数据集。
Open Foundation Models：预训练策略，包括数据扩展、模型架构、多模态和多任务预训练。学习算法，如元学习、模型融合、模型合并和为开放、可扩展模型设计的持续学习。
Open Training Protocols：对缩放规律、可解释性、复杂性分析、涌现能力等现象进行训练动力学研究。对齐技术，包括提示调优、前缀调优、指令调优和具有人类 AI 反馈的强化学习。
Open Evaluation：制定开放的评测基准，评估协议和指标。
Open Compute Efficiency Techniques：专注于模型蒸馏、压缩、量化和优化注意力或内存机制，以提高基础模型的计算效率。
Open Multi-Modal Foundation Models：扩展到视觉、音频等多模态场景。
Open Interactive and Agent Systems：对话式人工智能、交互式学习模型、多代理系统的开发。
Open Replication of Proprietary Systems：复现专有的基础模型和系统，确保更广泛的研究和开发的透明度和可重复性。