近年来，随着数据规模的不断扩大和计算能力的提升，机器学习模型的可信性和适应性需求日益凸显，高可信自适应机器学习应运而生。其发展的新趋势体现在三个方面：(1) 机器学习算法的不断升级对模型的鲁棒性、安全性和可解释性提出了全新挑战；(2) 各领域的复杂需求推动了机器学习系统的自动化演进，包括数据选择、模型调整和算法设计等；(3) 算力资源的不断提升为高可信自适应模型的自动化调优和多样化数据处理提供了新的支持。因此，需要利用和发展现有机器学习理论，构建形成新的技术和系统经验。在如何借助已有的理论积淀推动技术创新，从而提升系统在复杂环境下的适应性和可信性，仍有广阔研究空间。

 

本专刊聚焦于高可信自适应机器学习在可信性与自适应性提升中的前沿探索，致力于呈现具有创新性和实用性的高水平研究成果。围绕高可信模型优化、自适应学习方法构建及其多领域应用，专刊将重点探讨基础理论、关键技术及系统实现，包括结合逻辑推理、对抗训练、隐私保护等的可信机器学习，结合环境感知、知识迁移、特征选择等的自适应机器学习。此外，针对新兴计算平台和开放环境下的模型动态更新和自适应调参的研究，本专刊也将关注其在智慧城市、智能交通、智能制造、医疗健康等领域的应用前景，以期推动高可信自适应机器学习技术的进一步发展。

 

经过第一轮评审的论文作者需要参加CCML 2025会议并到会报告，之后特约编辑和编辑部根据复审情况和会议报告情况决定文章的最终结果，专刊将在2026年第4期出版。读者群体包括人工智能、机器学习、数据挖掘等多个领域的研究人员和工程人员。

 

 

一、征文范围

包括但不限于以下主题：

(1) 面向开放环境的高可信机器学习理论及建模

例如，逻辑推理、对抗训练、隐私保护、联邦学习、可解释性、零/小样本学习、领域适应、强化学习、迁移学习等

(2) 面向开放环境的自适应机器学习方法

例如，特征选择、自动机器学习、神经网络架构搜索、元学习、在线学习、增量学习、持续学习、多模态学习等

(3) 高可信自适应机器学习应用

例如，机器学习技术在绿色城市、新型电网、工业节能减排、智能交通、智能制造、智慧教育、医疗健康、智慧司法、产业规划、资源调配、推荐系统、社交网络、信息检索、金融保险、软件工程、客户服务、入侵检测等领域的应用

 

二、投稿要求

2. 稿件格式：参照《软件学报》论文格式(网站上提供了论文模版，可下载)。

3. 投稿文章未在正式出版物上发表过，也不在其他刊物或会议的审稿过程中，不存在一稿多投现象；保证投稿文章的合法性(无抄袭、剽窃、侵权等不良行为)。

4. 其他事项请参阅投稿指南http://www.jos.org.cn/ch/reader/view_fixed_content.aspx?id=instructions

5. 投稿作者需提交投稿声明；专刊投稿文章不收审理费。录用刊发文章收取软件学报标准版面费。发表之后，将按软件学报标准支付稿酬，并赠送样刊。

 

三、重要时间

第一轮结果通知时间：2025年7月8日

提交修改稿时间：2025年7月24日

CCML 2025作报告时间：2025年8月8-10日

最终结果通知时间：2025年8月25日

出版时间：2026年第4期