2026年深度学习、大模型与生成式人工智能国际会议（ICDLMA 2026）

2026 International Conference on Deep Learning, Large Models and Generative Artificial Intelligence（ICDLMA 2026）

征稿广 | 审核快 | 高录用

******出版，检索稳定

ISBN/ISSN双刊号认证 · 团队/学生享优惠

●会议信息

会议时间：2026年10月30日（暂定）

截稿时间：2026年10月15日（延期投稿请联系徐老师）

会议地点：北京，中国

审稿周期：投稿后约 2–3 个工作日

会议出版：IEEE、Springer、SPIE、ACM、IOP 等******出版社

收录检索：EI Compendex、Scopus、CPCI、CNKI、Google Scholar 等数据库稳定检索

★ 其他发表渠道：如需 SSCI/SCI 期刊、中文核心期刊、国内三大网收录期刊等渠道，欢迎咨询会务组徐老师。

●会议简介

2026年深度学习、大模型与生成式人工智能国际会议（ICDLMA 2026）将在中国北京召开，本次会议围绕深度学习理论、大模型架构优化、生成式 AI 技术及其多领域应用等前沿方向，汇聚海内外高校、科研院所与产业界专家学者，分享最新研究成果，研讨技术瓶颈与伦理规范等关键议题。大会旨在搭建高水平国际学术交流平台，促进产学研深度联动与跨学科思想碰撞，热忱欢迎相关领域研究者、工程师及青年学者投稿参会，共探生成式人工智能创新发展之路。

●论文出版

所有投稿须经组委会2-3位专家严格审稿，录用并注册的论文将以会议论文集形式出版，见刊后提交至Scopus、EI Compendex、CPCI、CNKI、Google Scholar等数据库稳定检索！

●征稿主题（包括但不限于）

Track 1：深度学习模型与算法

卷积神经网络（CNN）与循环神经网络（RNN）

深度置信网络与深度玻尔兹曼机

自编码器与生成对抗网络（GAN）

图神经网络与图表示学习

Transformer架构与注意力机制

深度强化学习与自适应决策

元学习与深度网络

深度度量学习方法

迁移学习、域适应与多任务学习

联邦学习与边缘机器学习

自监督与半监督学习

在线学习与增量学习

小样本与零样本学习

神经网络架构搜索（NAS）

模型压缩、剪枝与量化

可解释深度学习与分类可解释性

稀疏编码与降维方法

深度核学习与高斯过程

扩散模型与基于能量的生成技术

物理信息神经网络（PINN）

Track 2：大模型架构、训练与系统

大语言模型（LLMs）架构设计与预训练方法

多模态大模型与跨模态对齐

混合专家模型与稀疏激活架构

长上下文建模与注意力机制优化

大模型高效训练与并行训练系统

分布式训练、通信优化与负载均衡

参数高效微调（LoRA、Adapter、Prompt Tuning等）

大模型对齐、RLHF与指令微调

大模型推理加速与部署优化

大模型安全、隐私与对抗攻击防御

大模型评测、探针分析与能力边界

基础模型与领域适应

大模型的可解释性与机制可解释性

大模型训练数据治理与数据工程

开源大模型生态与工具链

Track 3：生成式AI、多模态与交叉应用

文本生成、对话系统与智能写作

图像/视频生成与编辑

文本到图像/视频/3D生成

多模态生成与跨模态内容创作

扩散模型与流匹配生成方法

生成式AI的可控性与条件生成

检索增强生成（RAG）技术

生成式AI与知识图谱融合

智能体（Agentic AI）与自主决策

生成式AI在医疗、教育、金融等领域的应用

生成式AI在科学研究与工程中的应用

生成式AI的伦理、版权与内容真实性

AI生成内容检测与深度伪造识别

人机协同创作与创意支持系统

具身智能与生成式世界模型

......

●投稿须知

1. 全英文投稿，须严格按模板排版，正文不少于6页。

2. 所有稿件将进行文献真实性检测，投稿前请自行查重（推荐Turnitin），因重复率超标被拒，责任由作者承担。

3. 论文须为原创，且未在其他平台或渠道正式发表。

4. 投稿流程：作者投稿→审稿→录用→缴费→【注册参会】→见刊→纸质论文集→检索。

5. 如需翻译/润色、加急录用协助，或学生/组团投稿享优惠，请联系会务徐老师。

★ 特别提醒：投稿后，请安排一位作者主动添加大会秘书微信，以便及时沟通和跟进论文状态。

●参会方式

1. 口头汇报：申请口头报告者，须将摘要提交至大会邮箱审核，摘要出版。（名额有限，优先报名）

2. 听众参会：仅参会听会，无任何展示。

* 以上参会方式，可获得会议资料（邀请函、参会证书、会议通知等）