.svg)
ICML 2026は6,341本の論文を採択した。主導著者で数えると、中国が最も多くの論文を、米国が最も多くのスポットライトを有する。2つの国がプログラムの大半に登場し、全体で66カ国が名を連ねる。産業界は論文の約3分の1に著者を擁し、最大のトピック領域は言語 & NLPである。私たちは全著者の所属を正規の機関に名寄せし、全論文をトピック別に分類して、メタデータに含まれるものを示した。
中国が最も多くの論文を主導する。米国が最も多くのスポットライトを主導する。
筆頭著者(各論文を主導した著者)だけを数えると:中国は2,446本の論文で筆頭著者であり、米国の1,675本を約46%上回る。536本のスポットライトのうち、米国は172(32.1%)本、中国は154(28.7%)本で筆頭著者である。
二大超大国が牽引する会議
66カ国が少なくとも1本のICML 2026論文に登場する。中国と米国がそれぞれ最大のシェアに登場し、英国、ドイツ、スイス、シンガポールが残りの国々を牽引する。中国の論文の84.4%が中国人の筆頭著者を擁するのに対し、米国は69.3%である。
ひと握りの巨大ラボと、その他大勢
ICML 2026の著者は1,979の個別機関に名寄せされる。Tsinghua Universityが最高スコア(147.8、240本の論文にわたる)を記録している。完全なランキングは以下のとおりで、各論文をその筆頭著者・責任著者の所属機関に帰属させており、地域で絞り込める。
産業界は論文数では支配的ではない — だが特定の領域に集中している
論文の3.2%が純粋に産業界のみ、65.4%が純粋にアカデミアのみである。31.2%はアカデミア–産業界の共同研究であり、これらは平均チーム規模が最大(7.3人の著者)である。
エージェントの年
各論文は15の領域と87のサブトピックからなる2階層の分類体系に割り当てられる。Language & NLPは927本(会議の約15%)で最大の領域であり、その最大のサブトピックはRL for reasoning & post-training(189)である。LLMエージェントは独立した領域であり、399本の論文を有する。中国は自国の論文の8.6%をコンピュータビジョンに配置し(米国2.3%)、米国は6.3%を学習理論に配置している(中国2.0%)。
手法と留意点
1. 著者の抽出。全6,341本の採択論文について、各論文の1ページ目を読み、著者リスト、所属、メールアドレス、筆頭著者・責任著者のフラグを抽出した。氏名は約93%の確率でOpenReviewと一致する。
2. 機関の名寄せ。生の所属表記を、それぞれ国とアカデミア・産業界のラベルを付した正規の機関に解決し、同一組織の綴り・言語・発音区別符号の異表記を1つの正規の英語名に統合した。“経年的な国別シェア”のチャートは、2016年まで遡る各ICML年に同じパイプラインを適用している。
3. 筆頭著者による主導 & スコア。「主導著者」= 筆頭著者。機関のスコアは、論文1本あたりの重み1を、その論文の個別の筆頭著者・責任著者の所属機関に分割するため、1本の論文が二重に計上されることはない。リーダーボードはスコアが非ゼロのすべての機関をランク付けする。
4. トピックの分類。分類体系は恣意的に選んだものではない。8つの独立したLLMエージェントがそれぞれ6,341本のタイトルすべてを読み、明確な分類先のない繰り返し現れるテーマを抽出した。それらのレポートを統合することで、15領域・87サブトピックの分類体系が生まれた — LLMエージェントや因果推論といった、この分野が成長して到達した領域を追加している。次に、別のLLMエージェントが各論文をタイトルと要旨から1つの領域と1つのサブトピックに分類した。
5. 論文ごとに2つのラベル。私たちのラベルに加え、各論文の著者が申告したICML主要領域 — 著者自身が投稿時に選んだ領域 — も保持し、両方をエクスプローラーで表示している。固定されたクロスウォークを通じて2つの体系を対応づけると、私たちのLLMラベルは~62%の論文で著者が申告した領域と整合する。整合性は明確に定義された領域(例:因果推論、強化学習)では高く、監査によって導入された領域 — LLMエージェントなど — では低い。これらはICMLの公式リストが区別していないものである。
数字の読み方。「NON」は国ではない — 明確な国籍基盤を持たない著者を表すコードである(ここでは129本の論文で、その多くは独立研究者)。参加ベースの計上:論文はその著者に含まれるすべての国・機関について計上されるため、シェアの合計は100%を超える。スコアは論文1本あたりの重み1を、その個別の筆頭著者・責任著者の所属機関に分割する。スポットライト= ICMLの最上位フラグ(8.5%)。限界:トピックはタイトル+要旨から推定しており、OpenReviewとの氏名の一致率は約93%である。
インタラクティブなグラフや詳細なランキングについては、こちらよりレポート全文をご覧ください。