图学习学术会议
Learning on Graphs Conference（LoG）是一个年度研究会议，覆盖与“machine learning on graphs and geometry”广泛相关的研究方向。正文显示，LoG 2026 暂定于 2026 年 11 月 20-22 日在美国马萨诸塞州波士顿举办，并称其为第二届线下版会议。它不是典型的课程平台，而是面向学术研究交流、论文投稿、教程征集和社区 Meetup 的会议型教育/学术产品。
课程领域非常垂直，聚焦图机器学习、几何机器学习等方向，适合已有机器学习基础并关注前沿论文的用户。授课或参与形式方面，正文提到线下会议、本地 mini-conference/Meetup，以及 virtual、free-to-attend、open conference，并涉及 Zoom、Gathertown 等工具，但未明确直播、录播或 1v1 教学结构。认证/证书未见披露，也没有课程大纲、讲师名单或学习路径信息。师资与机构背景方面，页面强调组织者、Program Chairs、赞助商和审稿奖励机制，但未列出具体主讲人。
价格信息披露有限。正文提到赞助用于覆盖线下会议、虚拟会议、Zoom、Gathertown、审稿奖励和设计等成本，并出现“virtual, free-to-attend, and open conference”的表述；但 LoG 2026 线下注册费、教程费用、学生票、退款政策和支付方式均未说明。因此若远程免费参与，性价比较高；若中国用户线下赴美参会，则还需考虑机票、住宿、签证与时间成本。
优点是主题聚焦、研究属性强，且强调 review quality，并以 monetary reviewer rewards 激励高质量审稿，这在学术会议中较有特色。本地 Meetup 机制也有助于不同地区研究者线下交流。缺点是它并非系统化课程，对入门学习者不够友好；页面缺少证书、讲师、日程、回放、费用等关键信息，学习预期不易判断。
LoG 适合图学习/几何机器学习研究者、研究生、论文作者、审稿人，以及希望赞助前沿 AI 学术社区的企业。中国大陆访问情况正文未说明，Zoom、Gathertown、X、Slack 等相关服务在国内的可用性可能受网络环境影响，实际参会前应确认官网、会议工具和支付通道。替代选择可关注 NeurIPS、ICLR、ICML、KDD 等大会及其图学习 Workshop。
本测评基于公开资料整理,不构成购买建议,请以 logconference.org 官网实际信息为准。
Learning on Graphs 会议，适合AI研究者关注。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。