注：本文转载自微信公众号(RLCN）https://mp.weixin.qq.com/s/LwgAmXZ_NE-E9MVCSjOJew,
分享仅供学习交流，内容由原公众号解释。
ICML(International Conference on Machine Learning)是机器学习领域的顶级会议之一，今年入选的论文一共 1183 篇，论文接受率 21.48%，入选论文的数量创造了历史之最，接受率为近年最低。RLCN 从入选论文中筛选出强化学习相关论文 189 篇，并分类整理出 20 个类别，包括强化学习理论、多智能体强化学习、逆强化学习等（有些论文可能同属多个类别），供大家参考学习。公众号后台回复“圆桌论道”，可获得 pdf 版分类列表。
在入选的 1183 篇论文中，共计 189 篇论文与强化学习(Reinforcement Learning)相关。在这些论文中，共有 60 余篇论文与强化学习理论相关，其余论文与强化学习的应用、架构的设计与优化、强化学习与其他机器学习的结合等相关。我们将论文分为 20 个类别，有些论文可能同时属于多个类别，各类别及所属论文数如下：
我们还分别整理了 ICML 2021 强化学习相关论文接收数量全部机构排名、国内机构排名、作者出现次数排名如下
另外发现实验室之前整理过，但未进行分类： http://deeprlhub.com/d/305-163icml-202120210607
