<div dir="ltr"><p class="MsoNormal" style="font-size:12.8px"><span style="color:black">Hi,</span></p><p class="MsoNormal" style="font-size:12.8px"><span style="color:black"> <u></u><u></u></span></p><p class="MsoNormal" style="font-size:12.8px"><i style="font-size:12.8px"><span style="color:black">I’d like to share the call for papers for our ICLR 2020 Workshop on Causal learning for decision making (CLDM@ICLR). It’s a workshop on </span></i><span style="font-size:small">learning abstract representations of causal models for decision making</span><i style="font-size:12.8px"><span style="color:black">. Openreview link:  </span></i><a href="https://openreview.net/group?id=ICLR.cc/2020/Workshop/CLDM" target="_blank" style="font-size:small">https://openreview.net/group?id=ICLR.cc/2020/Workshop/CLDM</a><i style="font-size:12.8px;color:rgb(0,0,0)"> Workshop website: </i><a href="https://sites.google.com/view/causal-learning-icrl2020/home" target="_blank" style="font-size:small">https://sites.google.com/view/causal-learning-icrl2020/home</a></p><p class="MsoNormal" style="font-size:12.8px"><span style="color:black"> <u></u><u></u></span></p><p class="MsoNormal" style="font-size:12.8px"><b><span style="color:black">TLDR:</span></b><span style="color:black"> </span><span style="color:black"> <u></u><u></u></span></p><p class="MsoNormal" style="font-size:12.8px"><span style="color:black"> <u></u><u></u></span></p><p class="MsoNormal" style="font-size:12.8px"><span style="color:rgb(33,33,33);font-family:Lato,sans-serif;font-size:15px;font-variant-ligatures:none;white-space:pre-wrap">We are interested in submissions that </span><span style="color:rgb(33,33,33);font-family:Lato,sans-serif;font-size:15px;font-variant-ligatures:none;text-decoration-line:inherit;white-space:pre-wrap">deal with learning causal models with reinforcement learning (sequential decision making) and using causal models for better decision making (planning), as well as real-world applications. We are also interested in learning abstract representations of causal models for decision making.</span></p><p id="gmail-m_-4021111843100064538gmail-h.p_zWMDtigh5YU9" style="box-sizing:border-box;font-variant-ligatures:none;margin:12px 0px 0px;outline:none;color:rgb(33,33,33);font-size:15px;text-decoration-line:inherit;font-family:Lato,sans-serif;line-height:1.6667;white-space:pre-wrap">We welcome submissions related to the following topics: </p><ul style="list-style-type:square;box-sizing:border-box;margin:0px;padding-left:20px;padding-top:8px;color:rgb(0,0,0);font-family:sans-serif;font-size:16px;white-space:pre-wrap"><li id="gmail-m_-4021111843100064538gmail-h.p_9hdL4g8SjQ0l" style="margin:0px;box-sizing:border-box;font-variant-ligatures:none;outline:none;color:rgb(33,33,33);font-size:15px;font-style:inherit;text-decoration:inherit;font-family:Lato,sans-serif;line-height:1.6667;padding-top:0px">Causal induction using reinforcement learning</li><li id="gmail-m_-4021111843100064538gmail-h.p_EnEzoKYdaEQf" style="margin:6px 0px 0px;box-sizing:border-box;font-variant-ligatures:none;outline:none;color:rgb(33,33,33);font-size:15px;font-style:inherit;text-decoration:inherit;font-family:Lato,sans-serif;line-height:1.6667">Planning with causal models</li><li id="gmail-m_-4021111843100064538gmail-h.p_qhSTNzMZaKys" style="margin:6px 0px 0px;box-sizing:border-box;font-variant-ligatures:none;outline:none;color:rgb(33,33,33);font-size:15px;font-style:inherit;text-decoration:inherit;font-family:Lato,sans-serif;line-height:1.6667">Learning abstract representations for causal learning </li><li id="gmail-m_-4021111843100064538gmail-h.p_r0OYSvG_EoNu" style="margin:6px 0px 0px;box-sizing:border-box;font-variant-ligatures:none;outline:none;color:rgb(33,33,33);font-size:15px;font-style:inherit;text-decoration:inherit;font-family:Lato,sans-serif;line-height:1.6667;padding-bottom:0px">Applications for using causal models in decision-making in real-world settings, for example in relation to fairness, transparency, and safety</li></ul><p id="gmail-m_-4021111843100064538gmail-m_-4762111525990004790gmail-m_-7375365895457821852gmail-m_-9032409063768286085gmail-m_-2062849325793277360m_7236721635789291812h.p_5XmFxHrcbkDJ" style="font-size:12.8px"><span style="color:black">We will accept both short paper (4 pages) and long paper (8 pages) submissions (not including references). Submissions should be in the ICLR2020 format</span><font color="#000000">. A few </font><span style="color:black">papers</span><font color="#000000"> may be selected as oral presentations, and the other accepted </font><span style="color:black">papers</span><font color="#000000"> will be presented in a poster session. There will be no proceedings for this </font><span style="color:black">workshop</span><font color="#000000">, however, upon the author’s request, accepted contributions will be made available in the </font><span style="color:black">workshop</span><font color="#000000"> website. Submission are double-blind, peer-reviewed on OpenReview (</font><a href="https://openreview.net/group?id=ICLR.cc/2020/Workshop/CLDM" target="_blank" style="font-size:small">https://openreview.net/group?id=ICLR.cc/2020/Workshop/CLDM</a>)<span style="color:rgb(0,0,0);font-size:12.8px">, and open to already published work. </span></p><p style="font-size:12.8px"><b><span style="color:black">Paper Submission Deadline: Feburary 10^th</span></b><span style="color:black"><u></u><u></u></span></p><p style="font-size:12.8px"><b style="font-size:12.8px"><span style="color:black">Website</span></b><span style="font-size:12.8px;color:black">: </span><a href="https://sites.google.com/view/causal-learning-icrl2020/home" target="_blank" style="font-size:small">https://sites.google.com/view/causal-learning-icrl2020/home</a></p><p style="font-size:12.8px"><span style="font-size:12.8px"><br></span></p><p style="font-size:12.8px"><span style="font-size:12.8px">Best,</span></p><p style="font-size:12.8px"><span style="font-size:12.8px">ICLR 2020 CLDM workshop organizers</span></p></div>