「NeurIPS 2025」ResearchPortトップカンファレンス定点観測 vol.20

2026年2月26日 22時00分 公開

本記事3行要約:

● 論文投稿数21,575件、採択件数5,275件、採択率24.45%!
● 日本人からの研究は採択件数5,275件中 133件!前年比で件数は増えたが全体の相対的論文シェアは2.52%と低下
● 研究トピックに大きな変動はないが投稿数の急増を背景に評価環境や研究テーマの拡張には変化の兆候!


2025年末に開催されたNeurIPSを、少し時間が空いておりますがこれまでの定点観測通り、統計など簡潔にまとめました。

NeurIPSというカンファレンスについては過去の記事にまとめておりますので、本記事を初めてご覧になられる方はそちらも参考にしてみてください。なお、本記事についても前回同様、数値データを中心にコンパクトに統計などをまとめております。

*参照:
「NeurIPS」ResearchPortトップカンファレンス定点観測 vol.2
「NeurIPS 2022」ResearchPortトップカンファレンス定点観測 vol.8
「NeurIPS 2023」ResearchPortトップカンファレンス定点観測 vol.14
「NeurIPS 2024」ResearchPortトップカンファレンス定点観測 vol.18

NeurIPS 2025 開催概要
[Venue1]
▶ 開催期間: 2 – 7 Dec., 2025
▶ 開催都市: San Diego, CA, US
[Venue2]
▶ 開催期間: 30 Nov. – 5 Dec., 2025
▶ 開催都市: Mexico City, Mexico

▶ 公式HP: https://neurips.cc/Conferences/2025

■NeurIPS 2025総括

まずはいつも通り、投稿数・採択率の推移を見ていきます(表1・図1)。
今回も、論文投稿数の大幅な増加となり、ついに20,000件を超え、21,575件となりました。前年(2024年:15,671件)と比較すると、投稿数は 約38%増 と大きく増加しており、NeurIPSの規模拡大が引き続き進んでいることが明確です。
採択率でみると、採択件数は 5,275件 と過去最大規模となったものの、投稿数の増加ペースがそれを上回ったことで、採択率 24.45% と前年(25.76%)から微減しています。

conferences Year # submission # accepted papers acceptance rate Country Venue
NeurIPS 1987 300 90 30.00% USA Denver
NeurIPS 1988 313 94 30.03% USA Denver
NeurIPS 1989 337 101 29.97% USA Denver
NeurIPS 1990 477 143 29.98% USA Denver
NeurIPS 1991 480 144 30.00% USA Denver
NeurIPS 1992 423 127 30.02% USA Denver
NeurIPS 1993 527 158 29.98% USA Denver
NeurIPS 1994 467 140 29.98% USA Denver
NeurIPS 1995 507 152 29.98% USA Denver
NeurIPS 1996 507 152 29.98% USA Denver
NeurIPS 1997 500 150 30.00% USA Denver
NeurIPS 1998 487 151 31.01% USA Denver
NeurIPS 1999 467 150 32.12% USA Denver
NeurIPS 2000 507 152 29.98% USA Denver
NeurIPS 2001 650 197 30.31% Canada Vancouver
NeurIPS 2002 710 207 29.15% Canada Vancouver
NeurIPS 2003 717 198 27.62% Canada Vancouver
NeurIPS 2004 822 207 25.18% Canada Vancouver
NeurIPS 2005 822 207 25.18% Canada Vancouver
NeurIPS 2006 833 204 24.49% Canada Vancouver
NeurIPS 2007 975 217 22.26% Canada Vancouver
NeurIPS 2008 1,022 250 24.46% Canada Vancouver
NeurIPS 2009 1,105 262 23.71% Canada Vancouver
NeurIPS 2010 1,219 292 23.95% Canada Vancouver
NeurIPS 2011 1,400 306 21.86% Spain Granada
NeurIPS 2012 1,467 370 25.22% USA Lake Tahoe
NeurIPS 2013 1,420 360 25.35% USA Lake Tahoe
NeurIPS 2014 1,678 411 24.49% Canada Montreal
NeurIPS 2015 1,838 403 21.93% Canada Montreal
NeurIPS 2016 2,403 569 23.68% Spain Barcelona
NeurIPS 2017 3,240 679 20.96% USA Longbeach
NeurIPS 2018 4,856 1,009 20.78% Canada Montréal
NeurIPS 2019 6,743 1,428 21.18% USA Vancouver
NeurIPS 2020 9,454 1,893 20.02% Canada Vancouver
NeurIPS 2021 9,122 2,327 25.51% Online
NeurIPS 2022 10,411 2,672 25.67% USA New Orleans
NeurIPS 2023 12,343 3,218 26.07% USA New Orleans
NeurIPS 2024 15,671 4,037 25.76% Canada Vancouver
NeurIPS 2025 21,575 5,275 24.45% USA/Mexico San Diego/Mexico City

表1 NeurIPS論文投稿数および採択率

*補足*
赤地の部分は採択率を類推しています。黄地の部分は統計に情報にばらつきあり信頼性が低い可能性があります。論文集・その他を、プログラムを書きながら解析した部分もあるので、一部別のウェブサイトで報告されている件数などと多少の差がある可能性があります。

*補足2*
2021 の数値については、公式には2,327件および2,344件との報告がありますが、proceedingsのサイトおよびOpenReviewのサイトに収録されている件数に違いがあり、いずれが正しいのか分かりません。このため以降の記述においてはOpenReviewサイトを基準といたします。2022も同様です。

 

図 1 NeurIPS 1987-2025 統計推移

■日本人研究者別-論文採択数

本カンファレンスでも、日本人著者に限定してその活躍も調べておりますので、下記に示します。
まずは早速、NeurIPS 2025個人別採択件数ランキングをご覧ください。(表2・図2)

開催年 採択論文数 日本人
著者数
2021 2,327 11,215 125 1.11% 75 3.22%
2022 2,672 11,954 134 1.12% 81 3.03%
2023 3,218 15,084 152 1.01% 104 3.23%
2024 4,037 20,674 179 0.87% 111 2.75%
2025 5,275 29,087 241 0.83% 133 2.52%

表2 NeurIPS投稿論文全体の著者数に占める日本人比率の推移

NeurIPS 2025 個人別採択件数
著者 採択数
Taiji Suzuki
7
Shinji Ito
4
Junya Honda
3
Kenji Kawaguchi
3
Shinsaku Sakaue
3
Taira Tsuchiya
3
Kenshi Abe
2
Kaito Ariu
2
Masahiro Fujisawa
2
Kenji Fukumizu
2
Yasutaka Furukawa
2
Hiroki Furuta
2
Ryo Hachiuma
2
Tatsuya Harada
2
Masaaki Imaizumi
2
Shogo Iwazaki
2
Ryo Karakida
2
Naoki Kiyohara
2
Taku Komura
2
Tadashi Kozuno
2
Masato Motomura
2
Koki Nagano
2
Naoki Nishikawa
2
Haruki Nishimura
2
Yasuyuki Okoshi
2
Masashi Sugiyama
2
Yuki Takezawa
2
Masayoshi Tomizuka
2
Akifumi Wachi
2
Rio Yokota
2
Masaki Adachi
1
Takuya Akiba
1
Youhei Akimoto
1
Shunta Akiyama
1
Yamato Arai
1
Hikaru Asano
1
Yukino Baba
1
Ryoma Bise
1
Shohei Enomoto
1
Takuya Fujihashi
1
Ryo Fujii
1
Yuma Fujimoto
1
Kazumi Fukuda
1
Shintaro Fukushima
1
Shinichi Furuya
1
Takashi Furuya
1
Futoshi Futami
1
Yuta Goto
1
Miki Haseyama
1
Kohei Hayashi
1
Rei Higuchi
1
Yuga Hikida
1
Hideitsu Hino
1
Keiya Hirashima
1
Tomu Hirata
1
Haruka Hirose
1
Kenta Hoshino
1
Yohei Hosoe
1
Yuma Ichikawa
1
Jun Igarashi
1
Kotaro Ikeda
1
Yuki Imajuku
1
Tatsuro Inaba
1
Ryo Inokuchi
1
Katsumi Inoue
1
Nakamasa Inoue
1
Naoya Inoue
1
Yuichi Inoue
1
Kentaro Inui
1
Go Irie
1
Kazuki Irie
1
Noboru Isobe
1
Hibiki Ito
1
Yusuke Iwasawa
1
Kentaro Kanamori
1
Masahiro Kaneko
1
Kazumi Kasaura
1
Hirokatsu Kataoka
1
Masahiro Kato
1
Sorachi Kato
1
Yusuke Kato
1
Yoshinobu Kawahara
1
Kazushi Kawamura
1
Kodai Kawamura
1
Ryotaro Kawata
1
Hiroshi Kera
1
Masanari Kimura
1
Tasuku Kimura
1
Tomoyoshi Kimura
1
Haruhiko Kishima
1
Toshinori Kitamura
1
Ken Kobayashi
1
Naoki Kobayashi
1
Hideki Koike
1
Kazuhito Koishida
1
Takeshi Kojima
1
Yasuhiro Kojima
1
Takeshi Koshizuka
1
Rikuto Kotoge
1
Masanori Koyama
1
Fumiaki Kozai
1
Kazuki Kozuka
1
Wataru Kumagai
1
Tatsuki Kuribayashi
1
Kyo Kuroki
1
So Kuroki
1
Ibuki Maeda
1
Keisuke Maeda
1
Tsubasa Masumura
1
Yasuko Matsubara
1
Yuki Minai
1
Gouki Minegishi
1
Kou Misaki
1
Teruko Mitamura
1
Yuki Mitsufuji
1
Kohei Miyaguchi
1
Takeru Miyato
1
Sota Moriyama
1
Masaharu Munetomo
1
Kengo Murata
1
Yorie Nakahira
1
Taishi Nakamura
1
Maho Nakata
1
Osafumi Nakayama
1
Takuya Narihira
1
Mizuki Niihori
1
Kazuya Nishimura
1
Ko Nishino
1
Atsushi Nitanda
1
Kenta Niwa
1
Satoshi Noguchi
1
Tomoyuki Obuchi
1
Takahiro Ogawa
1
Shohei Ohsawa
1
Tatsushi Oka
1
Taihei Oki
1
Takanori Oku
1
Manabu Okumura
1
Yuta Oshima
1
Takayuki Osogami
1
Masafumi Oyamada
1
Hideo Saito
1
Yuki Saito
1
Yuta Saito
1
Mana Sakai
1
Ayaka Sakata
1
Yasushi Sakurai
1
Hiroshi Saruwatari
1
Ikuro Sato
1
Rei Sato
1
Yusuke Sekikawa
1
Haruki Settai
1
Ryosuke Shibasaki
1
Yuki Shibukawa
1
Yu Shikano
1
Kaito Shiku
1
Hirokazu Shirado
1
Tomohiro Shiraishi
1
Haruki Shirakami
1
Yoshi Suhara
1
Genta Suzuki
1
Jun Suzuki
1
Masahiro Suzuki
1
Yukito Tajima
1
Takuya Takagi
1
Takashi Takahashi
1
Kaito Takanami
1
Naoya Takeishi
1
Ichiro Takeuchi
1
Masato Taki
1
Takumi Tanabe
1
Hidenori Tanaka
1
Keisuke Tateno
1
Kenjiro Taura
1
Wataru Uegami
1
Masatoshi Uehara
1
Shintaro Wakasugi
1
Shinji Watanabe
1
Takahiro Yabe
1
Takaharu Yaguchi
1
Takehisa Yairi
1
Daisuke Yamada
1
Yoshihiro Yamada
1
Naoya Yamamoto
1
Takuma Yamamoto
1
Kenji Yamanishi
1
Rintaro Yanagi
1
Takufumi Yanagisawa
1
Shota Yasui
1
Michihiro Yasunaga
1
Ryoma Yataka
1
Eiko Yoneki
1
Ruriko Yoshida
1
Osamu Yoshie
1

図2 NeurIPS 2025 個人別採択件数ランキング

*OpenReview、Proceedingsで掲載されている論文数に違いがありますので、ここではOpenReviewに掲載されている論文を基に集計しています。

上記の通り、日本人著者数(海外で活躍する研究者も含む)および日本人著者が関与する論文数は、2021年以降おおむね増加傾向にあります。

2025年は、
・日本人著者:241人(2024年:179人)
・日本人著者が関与する論文数:133件(2024年:111件)
と、いずれも前年を上回っています。

一方で、日本人著者比率は0.83%、日本人著者が関与する論文比率は2.52% と、いずれも前年から低下しています。これは、日本の研究力が停滞しているというよりも、世界全体の投稿数・著者数の増加がそれ以上に大きいことを反映した結果となっているようです。

累積ランキングは、2021-2025年(OpenReviewに論文掲載がある)をまとめております。(図3)
昨年のデータに今年度分が上乗せされておりますので、TOP5を見ても大きなランキング変動はありません。※2件以上の累積採択実績を持つ方のみを掲載。

NeurIPS 2021-2025
日本人著者ランキング
著者 採択数
Masashi Sugiyama
25
Taiji Suzuki
24
Kenji Kawaguchi
22
Shinji Ito
15
Tatsunori Hashimoto
10
Shinsaku Sakaue
10
Atsushi Nitanda
9
Taira Tsuchiya
8
Kazuki Irie
7
Tomoharu Iwata
7
Seijin Kobayashi
7
Tadashi Kozuno
7
Atsutoshi Kumagai
7
Taihei Oki
7
Masayoshi Tomizuka
7
Junya Honda
6
Hidenori Tanaka
6
Masatoshi Uehara
6
Akifumi Wachi
6
Makoto Yamada
6
Masahiro Fujisawa
5
Yasuhiro Fujiwara
5
Kenji Fukumizu
5
Yasutaka Furukawa
5
Tatsuya Harada
5
Yusuke Iwasawa
5
Shogo Iwazaki
5
Michihiro Yasunaga
5
Masaki Adachi
4
Hiroki Furuta
4
Futoshi Futami
4
Yasutoshi Ida
4
Hiroshi Kera
4
Kohei Miyaguchi
4
Shinichi Nakajima
4
Naoki Nishikawa
4
Akiko Takeda
4
Naoya Takeishi
4
Yuki Takezawa
4
Toshihiko Yamasaki
4
Youhei Akimoto
3
Daiki Chijiwa
3
Takashi Furuya
3
Ryo Hachiuma
3
Masaaki Imaizumi
3
Go Irie
3
Yusuke Kato
3
Yoshinobu Kawahara
3
Tomoyoshi Kimura
3
Taku Komura
3
Kazuki Kozuka
3
Yuki Mitsufuji
3
Koki Nagano
3
Haruki Nishimura
3
Kenta Niwa
3
Kazusato Oko
3
Manabu Okumura
3
Rei Sato
3
Takumi Tanabe
3
Naonori Ueda
3
Takaharu Yaguchi
3
Shin’ya Yamaguchi
3
Kenji Yamanishi
3
Taisuke Yasuda
3
Ryoma Yataka
3
Kenshi Abe
2
Kaito Ariu
2
Akari Asai
2
Hajime Asama
2
Yuki Asano
2
Kazuto Fukuchi
2
Kazumi Fukuda
2
Yuta Goto
2
Kazumune Hashimoto
2
Satoshi Hayakawa
2
Naoki Hiratani
2
Yuma Ichikawa
2
Masahiro Ikeda
2
Takuya Ito
2
Heishiro Kanagawa
2
Sekitoshi Kanai
2
Ryo Karakida
2
Hisashi Kashima
2
Masahiro Kato
2
Takayuki Katsuki
2
Koki Kawabata
2
Naoki Kiyohara
2
Hideki Koike
2
Kazuhito Koishida
2
Sadamori Kojaku
2
Takeshi Kojima
2
Takeshi Koshizuka
2
Masanori Koyama
2
Wataru Kumagai
2
Soichiro Kumano
2
Yuko Kuroki
2
Takanori Maehara
2
Taro Makino
2
Takashi Maruyama
2
Takashi Matsubara
2
Yuki Minai
2
Gouki Minegishi
2
Taiki Miyagawa
2
Takeru Miyato
2
Masato Motomura
2
Naoki Murata
2
Kengo Nakamura
2
Kiyohiro Nakayama
2
Takuya Narihira
2
Ko Nishino
2
Tomoyuki Obuchi
2
Maya Okawa
2
Yasuyuki Okoshi
2
Yuta Oshima
2
Takayuki Osogami
2
Jun Sakuma
2
Ryoma Sato
2
Yoichi Sato
2
Takuma Seno
2
Ryosuke Shibasaki
2
Hikaru Shindo
2
Sho Sonoda
2
Mahito Sugiyama
2
Masahiro Suzuki
2
Takuya Takagi
2
Kei Takemura
2
Ichiro Takeuchi
2
Masato Taki
2
Yusuke Tanaka
2
Shohei Taniguchi
2
Hiroyuki Toda
2
Ryota Tomioka
2
Daisuke Urano
2
Shinji Watanabe
2
Atsushi Yamashita
2
Shota Yasui
2
Rio Yokota
2
Yuichi Yoshida
2

図3 NeurIPS 2021-2025 日本人著者ランキング

2025年単年の個人別採択数を見ると、複数本採択されている研究者が30名という一方で、1本採択の研究者が164名も確認できます。

また、2021–2025年の累積採択数ランキングでは、1本採択の研究者まで含めると、前年2024年 319人に対して、2025年 437人と118人増となっております(データ件数が多いため図3には1本採択者は表示していません)。日本のNeurIPS採択論文が国際的・組織横断的な研究ネットワークの中で生み出されているということではないでしょうか。

■トレンドキーワードの推移

今回もキーワードトレンドについてまとめてみました(表3)。

2025年TOP5キーワードは、”generation” “language model” “Large language model(LLM)” “efficient” “diffusion” が挙がってきております。

2023–2024年で顕著であった”Diffusion”や”Language Model”といったキーワードについても、2025年において多少の順位変動はあるものの、急激に存在感が増したあるいは低下したといった明確な変化は見られません。

2024年の記事は、DiffusionとLLMが生成AI研究のトレンドであり、さらにマルチモーダル化や実応用を意識した研究の広がりが顕著であると紹介しました。2025年のキーワード分布を俯瞰すると、これらの流れは変わらず継続していると考えられますが、特定の新規トピックが台頭している様子は確認されませんでした。
ただし、“reason***”(reasoningを含む語彙と考えられる)の出現割合は、前年 1.61%から2025年 6.03%へと急増しており、論理推論に関連する研究テーマの存在感が高まりつつある可能性があります。

一方で、同一のキーワードが継続して上位に現れており、なおかつ論文数が約140%増加していることから、論文の構成やアプローチには変化が見られる可能性がありそうです。具体的には、言語モデルや既存手法をベースとし、それらをどのように組み合わせ、拡張し、評価するかという、昨年から変わらず効率化・高速化の比重が高まっていると考えられます。

このような傾向は、トピックそのものの変化というよりも、研究の進め方や実応用に近い文脈での評価軸として現れているのではないでしょうか。これまでの研究トピックの深化や各技術の統合活用が大きな流れとみることができそうです。

Year 2025 2024 2023 2022 2021
#Papers 5,275 4,037 3,218 2,672 2,327
Ranking Term Frequency Term Frequency Term Frequency Term Frequency Term Frequency
1 generat*** 7.83% language model 7.65% diffus*** 6.09% reinforcement learning 6.29% reinforcement learning 5.89%
2 language model 7.41% diffus*** 7.43% efficien*** 5.03% efficien*** 5.28% graph 5.36%
3 llm 7.15% generat*** 6.81% graph 5.00% graph 5.05% represent 4.83%
4 efficien*** 6.90% efficien*** 5.97% generat*** 4.88% generaliz*** 4.53% efficien*** 4.49%
5 diffus*** 6.88% image 4.86% reinforcement learning 5.59% generat*** 4.38% generaliz*** 4.07%
6 reason*** 6.03% graph 4.73% adapt 3.85% represent 4.01% adapt 3.88%
7 adapt 5.54% adapt 4.61% language model 3.79% transformer 3.97% transformer 3.88%
8 reinforcement learning 5.25% transformer 4.29% represent 3.73% adapt 3.52% adversarial 3.27%
9 image 4.13% represent 4.11% generaliz*** 3.73% estimat*** 3.18% generat*** 3.16%
10 graph 4.00% reinforcement learning 4.71% image 3.73% image 3.00% spars 2.97%
11 video 3.58% llm 3.94% transformer 3.08% adversarial 2.96% stochastic 2.89%
12 transformer 3.32% 3d 3.67% estimat*** 3.05% stochastic 2.73% linear 2.81%
13 3d 3.26% generaliz*** 3.42% predict 2.77% linear 2.73% predict 2.74%
14 represent 3.22% detect 3.25% detect 2.58% spars 2.58% bandit 2.74%
15 align 3.07% predict 2.92% adversarial 2.39% predict 2.47% estimat*** 2.66%
16 generaliz*** 3.05% align 2.73% 3d 2.36% detect 2.40% structur*** 2.59%
17 multimodal 2.90% context 2.70% context 2.30% bandit 2.25% bayes 2.47%
18 predict 2.79% estimat*** 2.50% feature 2.21% online 2.21% online 2.43%
19 detect 2.62% linear 2.48% structur*** 2.14% structur*** 2.13% classifi*** 2.40%
20 context 2.60% video 2.48% linear 2.08% classifi*** 2.10% detect 2.40%
21 structur*** 2.52% structur*** 2.21% online 1.93% feature 2.10% feature 2.09%
22 estimat*** 2.31% prompt 1.98% bayes 1.93% bayes 1.95% constrain 1.90%
23 attent 2.28% spars 1.96% bandit 1.87% constrain 1.91% image 1.90%
24 tuning 2.18% tuning 1.86% stochastic 1.77% 3d 1.80% contrastive 1.83%
25 online 1.84% adversarial 1.86% condition 1.77% video 1.76% label 1.79%
26 linear 1.82% attent 1.83% offline 1.77% segment*** 1.69% attent 1.64%
27 constrain 1.80% feature 1.83% federat 1.77% distill 1.61% self supervis*** 1.64%
28 spars 1.76% federat 1.76% classifi*** 1.68% contrastive 1.61% 3d 1.64%
29 reward 1.74% segment*** 1.73% prompt 1.68% regulariz 1.57% latent 1.60%
30 latent 1.73% online 1.73% regress 1.65% label 1.57% video 1.60%
31 preference 1.67% reason*** 1.61% constrain 1.62% condition 1.57% regress 1.60%
32 fine tun*** 1.59% stochastic 1.61% pre train 1.62% search 1.46% regulariz 1.56%
33 synthe 1.56% reconstruct 1.54% contrastive 1.62% unsupervised 1.46% expla*** 1.45%
34 hierarch 1.54% constrain 1.51% label 1.59% federat 1.42% offline 1.41%
35 federat 1.50% dynamics 1.49% segment*** 1.59% pre train 1.42% transfer 1.41%
36 agent 1.48% time series 1.49% spars 1.55% self supervis*** 1.42% condition 1.37%
37 memor 1.44% bandit 1.46% regulariz 1.55% game 1.39% representation learning 1.37%
38 distill 1.38% classifi*** 1.46% align 1.46% regress 1.39% search 1.33%
39 retriev 1.37% label 1.44% latent 1.46% expla*** 1.39% convex 1.33%
40 dynamics 1.37% latent 1.41% video 1.46% language model 1.35% federat 1.33%
41 reconstruct 1.37% match 1.41% distill 1.40% hierarch 1.35% synthe 1.22%
42 test time 1.37% synthe 1.39% expla*** 1.40% offline 1.35% evaluat 1.18%
43 compress 1.35% condition 1.36% evaluat 1.40% diffus*** 1.35% distill 1.18%
44 time series 1.35% evaluat 1.34% dynamics 1.40% latent 1.31% meta learning 1.14%
45 match 1.33% memor 1.31% discover 1.37% dynamics 1.31% game 1.10%
46 classifi*** 1.31% bayes 1.29% tuning 1.34% attent 1.31% probabilistic 1.10%
47 multi agent 1.31% fine tun*** 1.24% game 1.31% few shot 1.31% kernel 1.10%
48 foundation model 1.27% interact 1.24% synthe 1.31% kernel 1.24% segment*** 1.10%
49 decod*** 1.27% offline 1.24% hierarch 1.24% representation learning 1.20% unsupervised 1.07%
50 condition 1.25% preference 1.19% unsupervised 1.21% context 1.16% memor 1.07%
51 stochastic 1.23% multimodal 1.19% attent 1.18% embed*** 1.09% scalab 0.95%
52 adversarial 1.23% regulariz 1.19% memor 1.18% multi agent 1.09% multi agent 0.95%
53 scalab 1.23% distill 1.16% reconstruct 1.15% scalab 1.09% dynamics 0.95%
54 search 1.21% regress 1.16% interact 1.15% match 1.05% few shot 0.95%
55 feature 1.21% prior 1.16% self supervis*** 1.12% transfer 1.05% compress 0.95%
56 enhance 1.21% transfer 1.16% reward 1.09% evaluat 1.01% identifi*** 0.88%
57 expert 1.19% expert 1.12% transfer 1.09% convex 1.01% reward 0.88%
58 segment*** 1.19% hierarch 1.09% search 1.03% markov 1.01% embed*** 0.88%
59 interact 1.18% scalab 1.07% embed*** 0.96% compress 1.01% reason*** 0.88%
60 contrastive 1.16% reward 1.07% reason*** 0.96% memor 0.97% context 0.88%
61 transfer 1.16% zero shot 1.07% convex 0.96% tuning 0.94% sgd 0.88%
62 safe 1.12% contrastive 1.04% representation learning 0.96% discover 0.94% imitat*** 0.84%
63 prompt 1.08% identifi*** 1.02% probabilistic 0.93% synthe 0.94% mdp 0.84%
64 token 1.06% foundation model 0.97% feedback 0.93% prior 0.90% gan 0.84%
65 bandit 1.06% edit 0.97% time series 0.93% probabilistic 0.90% reconstruct 0.84%
66 edit 1.06% representation learning 0.94% statistic 0.87% reconstruct 0.90% minimiz 0.80%
67 regulariz 1.04% heterogeneous 0.94% scalab 0.87% recogni*** 0.90% prior 0.80%
68 expla*** 1.01% text to image 0.94% match 0.87% reason*** 0.90% calibrat 0.80%
69 discover 1.01% gaussian splat 0.94% interpret*** 0.87% out of distribution 0.90% object detec*** 0.80%
70 prior 0.97% unsupervised 0.92% kernel 0.87% reward 0.86% encod*** 0.80%
71 zero shot 0.97% safe 0.92% pretrain 0.87% fair 0.86% domain adaptation 0.80%
72 bayes 0.95% pre train 0.92% equivariant 0.84% interact 0.82% match 0.76%
73 regress 0.95% agent 0.92% correlat 0.84% statistic 0.79% markov 0.76%
74 embed*** 0.93% enhance 0.89% encod*** 0.81% collaborat 0.79% interpret*** 0.76%
75 offline 0.91% interpret*** 0.89% zero shot 0.81% object detec*** 0.79% out of distribution 0.76%
76 evaluat 0.91% embed*** 0.89% prior 0.81% feedback 0.79% statistic 0.72%
77 label 0.87% object detec*** 0.89% text to image 0.81% knowledge distillat 0.75% align 0.72%
78 low rank 0.85% compress 0.87% multimodal 0.78% correlat 0.75% feedback 0.68%
79 encod*** 0.85% search 0.87% object detec*** 0.78% identifi*** 0.75% diffus*** 0.68%
80 interpret*** 0.83% recogni*** 0.84% fine tun*** 0.75% point cloud 0.75% combinatorial 0.68%
81 feedback 0.82% discover 0.84% compress 0.75% expert 0.71% active learning 0.68%
82 game 0.80% boost 0.82% calibrat 0.75% ensembl 0.71% wasserstein 0.68%
83 gaussian splat 0.80% collaborat 0.82% group 0.72% spik 0.71% discover 0.68%
84 composition 0.78% encod*** 0.82% identifi*** 0.72% optimal transport 0.67% hierarch 0.68%
85 representation learning 0.78% game 0.77% few shot 0.72% zero shot 0.67% semi supervis*** 0.65%
86 ground 0.78% feedback 0.77% semi supervis*** 0.72% manifold 0.67% recogni*** 0.65%
87 video generat*** 0.78% convex 0.77% multi agent 0.72% active learning 0.67% correlat 0.65%
88 brain 0.76% retriev 0.77% minimiz 0.68% align 0.64% composition 0.61%
89 physics 0.76% prun 0.74% fair 0.68% group 0.64% disentangl 0.61%
90 manipulat 0.72% pretrain 0.74% spik 0.68% deep neural network 0.64% off policy 0.61%
91 collaborat 0.72% multi agent 0.72% out of distribution 0.68% simulat*** 0.64% low rank 0.61%
92 depth 0.70% image generat*** 0.67% quantiz*** 0.65% domain adaptation 0.64% continual learning 0.61%
93 pretrain 0.70% simulat*** 0.67% optimal transport 0.65% semantic segmentation 0.64% manifold 0.57%
94 geometry 0.70% fusion 0.67% wasserstein 0.65% sgd 0.60% equivariant 0.57%
95 calibrat 0.68% quantiz*** 0.67% prun 0.65% boost 0.60% ensembl 0.57%
96 quantiz*** 0.68% token 0.67% low rank 0.65% safe 0.60% decision making 0.57%
97 multi modal 0.68% low rank 0.67% physics 0.62% disentangl 0.60% interact 0.57%
98 flow match 0.66% statistic 0.64% composition 0.62% heterogeneous 0.60% deep neural network 0.53%
99 fusion 0.66% expla*** 0.64% enhance 0.62% meta learning 0.60% ground 0.53%
100 simulat*** 0.66% kernel 0.64% simulat*** 0.62% equivariant 0.56% recover 0.53%
101 image generat*** 0.66% disentangl 0.64% test time 0.62% policy optimiz 0.56% tuning 0.53%
102 statistic 0.66% few shot 0.64% combinatorial 0.59% prun 0.56% point cloud 0.53%
103 boost 0.65% point cloud 0.64% ensembl 0.59% pretrain 0.56%
104 recogni*** 0.65% state space model 0.64% collaborat 0.59% quantiz*** 0.56%
105 autonomous 0.65% multi modal 0.64% dataset 0.59% decentraliz 0.56%
106 pde 0.65% out of distribution 0.64% point cloud 0.59% semi supervis*** 0.56%
107 unsupervised 0.63% fair 0.64% retriev 0.59% time series 0.52%
108 self supervis*** 0.61% self supervis*** 0.62% deep neural network 0.56% combinatorial 0.52%
109 text to image 0.61% spik 0.62% decod*** 0.53% gan 0.52%
110 pre train 0.61% calibrat 0.62% policy optimiz 0.53% interpret*** 0.52%
111 heterogeneous 0.61% in context learning 0.60% randomiz 0.53%
112 protein 0.59% decod*** 0.60% agent 0.53%
113 instruction 0.59% group 0.60% disentangl 0.53%
114 world model 0.59% pde 0.60% heterogeneous 0.53%
115 identifi*** 0.57% semantic segmentation 0.60% backdoor 0.53%
116 equivariant 0.57% depth 0.60%
117 prun 0.57% composition 0.57%
118 chain of thought 0.57% equivariant 0.57%
119 combinatorial 0.57% probabilistic 0.57%
120 verif 0.57% consistent 0.57%
121 spik 0.55% test time 0.57%
122 unlearn 0.55% minimiz 0.57%
123 end to end 0.55% correct 0.55%
124 recommend 0.51% ood 0.55%
125 medic 0.51% end to end 0.52%
126 fair 0.51% markov 0.52%
127 kernel 0.51% correlat 0.52%

表3 論文出現キーワード推移(2025-2021年)

* 前回より、出現キーワードの抽出方法を変更しております。
  過去に公開したコラム内の出現キーワードとの順位相違や、新たなキーワードが追加されております。

まとめ

以上のように、簡易的に重要指標から考察してまいりました。
NeurIPS 2025開催から、本記事公開までお時間要してしまいましたが、振り返り的な位置付けでご覧いただければありがたいです。
データ解析・公開にあたっては細心の注意を払っておりますが、万が一、間違いなどございましたら遠慮なく弊社までご連絡ください。

 
編集:ResearchPort事業部

■Contact

本記事に関する質問や、ご意見・ご要望などがございましたらResearchPortまでお問い合わせください。
https://research-p.com/contactform/

関連記事
メンバーシップ登録

Membership Registration

博士課程在籍中の方 ポスドクの方 大学教員の方 企業研究者/技術者

ResearchPortでは、研究者・技術者の研究活動とキャリアを個別にサポートしています。
ご興味のある方は、ResearchPortメンバーシップにご登録ください。