ההיסטוריה: מסדנת-עבודה באוניברסיטת קרנגי-מלון לכנס עולמי
ICML החל את דרכו כאירוע צנוע בהרבה מכפי שהוא היום: "סדנת-העבודה הבינלאומית בלמידת-מכונה" (International Workshop on Machine Learning) שהתקיימה ביולי 1980 באוניברסיטת קרנגי-מלון (Carnegie Mellon University) בפיטסבורג, ביוזמת שלושה חוקרים — ג'יימי קרבונל (Jaime Carbonell), רישרד מיכלסקי (Ryszard S. Michalski) וטום מיטשל (Tom M. Mitchell). רק ב-1993 עבר האירוע להתקיים כסדרת-כנסים מלאה תחת השם הנוכחי. הוותק הזה הופך את ICML לוותיק מבין שלושת כנסי-הדגל המובילים של תחום למידת-המכונה — יחד עם NeurIPS ו-ICLR — אף שבעשור האחרון הוא צמח בקצב דומה להם, אם לא מהיר יותר.
מבנה וגוף-מארגן: ביקורת-עמיתים עיוורת-כפולה ופרסום פתוח
את הכנס מארגן גוף עצמאי בשם האגודה הבינלאומית ללמידת-מכונה (International Machine Learning Society — IMLS), באמצעות ועד-כנס, ועדות-תוכנית ויושבי-ראש-תחום. כמו ב-NeurIPS, גם ב-ICML נדרשת ביקורת-עמיתים עיוורת-כפולה — הגשה חייבת להיות אנונימית לחלוטין, וניסוח שעלול לחשוף את זהות המחברים אסור. מאמרים שהתקבלו מוצגים כפוסטר, כשמיעוט נבחר זוכה למעמד "זרקור" (Spotlight) או להצגה בעל-פה (Oral) — הבחנה שניתנת רק לאחוזים בודדים מכלל ההגשות. ועדת-שופטים שנתית גם מעניקה פרס "מאמר מצטיין" (Outstanding Paper Award) לתרומה הבולטת ביותר של אותה שנה. כל המאמרים שמתקבלים מתפרסמים בגישה פתוחה לחלוטין בסדרת-הפרסומים המקוונת Proceedings of Machine Learning Research (PMLR) — ללא חומת-תשלום.
קנה-המידה: הגשות שממשיכות לטפס משנה לשנה
קצב-הצמיחה של ICML בשנים האחרונות בולט אפילו ביחס לתחום שכולו גדל בקצב מסחרר. ב-2024 הוגשו 9,473 מאמרים, מתוכם התקבלו 27.5%; ב-2025 טיפסו ההגשות ל-12,107, מהן התקבלו 3,260 (26.9%). ב-2026 המשיכו ההגשות לטפס עוד: לפי CS Conf Stats נספרו 23,918 הגשות, מתוכן התקבלו 6,352 מאמרים — שיעור-קבלה של 26.6%. (הכנס עצמו דיווח באותה שנה על מספר גולמי גבוה מעט יותר של קובצי-מאמר שהוגשו, לפני הסרת הגשות שנפסלו או נמשכו; פערים קטנים כאלה בין ספירה רשמית לספירת-צד-שלישי שכיחים בכל כנסי התחום.) הכנס ה-43 הזה התקיים ב-6–11 ביולי 2026 במרכז-הכנסים COEX בסיאול, דרום-קוריאה.
היכן ICML נבדל מ-NeurIPS
אף שהשניים חופפים היום במידה רבה בנושאים ובקהל, יש להם שורשים שונים ודגש-אופי מתועד: NeurIPS צמח מקהילה שעסקה גם ברשתות-נוירונים ביולוגיות ולא רק מלאכותיות, וההיסטוריה שלו קשורה למדעי-המוח לא פחות מללמידת-מכונה טהורה. ICML, לעומתו, נולד ישירות מקהילת-חוקרי למידת-מכונה, ולפי תיאורים מתועדים נוטה באופן מסורתי להעניק משקל רב יותר לתורת-הלמידה הסטטיסטית (Statistical Learning Theory), ללמידת-חיזוק, לרובוטיקה ולאופטימיזציה — לעומת הדגש הרחב יותר של NeurIPS. בפועל, ההבדל הזה מיטשטש משנה לשנה ככל שהתחום מתאחד סביב אותם מודלים וטכניקות, אך הוא עדיין ניכר בהרכב ועדות-התוכנית ובסוג המאמרים שכל כנס נוטה למשוך.
מאמרים משפיעים שיצאו מ-ICML
אף ש-ICML נוסד עשורים לפני שהלמידה העמוקה הפכה למרכז-הכובד של התחום, הוא אירח כמה מהמאמרים המשפיעים ביותר בתולדותיה. "Batch Normalization" מבית Google, שהוצג ב-2015, הפך לטכניקת-אימון סטנדרטית שכמעט כל רשת-נוירונים מודרנית משתמשת בה. "CLIP" של OpenAI — מודל שמחבר תמונות וטקסט למרחב-ייצוג משותף — הוצג גם הוא ב-ICML, וכך גם שיטת למידת-החיזוק "Soft Actor-Critic", שפותחה באוניברסיטת קליפורניה בברקלי. הדוגמאות האלה ממחישות שלמרות התדמית ה"אקדמית" יותר לכאורה של ICML לעומת יריד-הגיוס שהפך NeurIPS להיות, שני הכנסים ממשיכים לשמש זירת-פרסום ממשית למחקר שמעצב את התעשייה כולה, לא רק את האקדמיה.
הקשר ל-arXiv: מהגשה סגורה לפרסום-מוקדם ציבורי
כמו ב-NeurIPS, גם ב-ICML הכללים הרשמיים מתירים למחברים להעלות גרסה מוקדמת של המאמר ל-arXiv ואפילו להציג אותה בהרצאות, עוד בזמן שההגשה נמצאת בביקורת — כל עוד לא מפרסמים בפומבי שהמאמר "נמצא בבדיקה ב-ICML" עצמו. בפועל המשמעות היא שרוב המאמרים שמתקבלים לבסוף לכנס כבר היו זמינים בציבור חודשים לפני יום-ההכרעה הרשמי — כלומר הקהילה המקצועית קוראת, מצטטת ולעיתים אף בונה על-גביהם עוד לפני שעברו את מלוא תהליך-ביקורת-העמיתים של ICML. הדפוס הזה, המשותף גם ל-NeurIPS, ממחיש איך שני הכנסים ו-arXiv (ראו ערך נפרד) פועלים בפועל כשני שלבים של אותו תהליך-פרסום אחד ולא כשני עולמות נפרדים: arXiv נותן את המהירות, והכנסים נותנים את חותמת-האיכות המאוחרת יותר.