<div dir="ltr"><font face="arial, sans-serif">We invite submissions to the 4th Conference on Causal Learning and Reasoning (CLeaR), and welcome paper submissions that describe new theory, methodology, and/or applications relevant to any aspect of causal learning and reasoning in the fields of artificial intelligence and statistics. Accepted papers will be published in the Proceedings of Machine Learning Research (PMLR). </font><div><font face="arial, sans-serif">CLeaR 2025 (<a href="https://www.cclear.cc/2025">https://www.cclear.cc/2025</a>) will be held in<b> Lausanne, Switzerland</b>, <b>May 7 to May 9, 2025</b>.<br></font></div><div><br><h5 style="box-sizing:border-box;margin-top:0px;margin-bottom:0.5rem;font-weight:500;line-height:1.2;color:rgb(33,37,41)"><font size="4" style="" face="arial, sans-serif">Key information</font></h5><ul><li style="box-sizing:border-box"><b style=""><font face="arial, sans-serif">Paper submission deadline: Nov 2, 2024 11:59pm (Anywhere on Earth, AoE)</font></b></li><li style="box-sizing:border-box"><font face="arial, sans-serif">Reviews released: Dec 13, 2024</font></li><li style="box-sizing:border-box"><font face="arial, sans-serif">Author rebuttals due: Dec 20, 2024 11:59pm (AoE)</font></li><li style="box-sizing:border-box"><font face="arial, sans-serif">Final decisions: Jan 27, 2025</font></li><li style="box-sizing:border-box"><font face="arial, sans-serif">Camera-ready deadline: Mar 9, 2025 11:59pm (AoE)</font></li><li style="box-sizing:border-box"><font face="arial, sans-serif">Conference dates and location: May 7 (Wed) - 9 (Fri), 2025 in Lausanne, Switzerland</font></li></ul><font face="arial, sans-serif">Submit at <a href="https://openreview.net/group?id=cclear.cc/CLeaR/2025/Conference">https://openreview.net/group?id=cclear.cc/CLeaR/2025/Conference</a></font></div><div><font face="arial, sans-serif"><br></font></div><div><font face="arial, sans-serif">The complete Call For Papers can be found at this link: <a href="https://www.cclear.cc/2025/CallforPapers">https://www.cclear.cc/2025/CallforPapers</a></font></div><div><font face="arial, sans-serif">For more information, check also the CLeaR website (<a href="https://www.cclear.cc/2025">https://www.cclear.cc/2025</a>) or follow our Twitter/X account (<a href="https://x.com/Conf_CLeaR">https://x.com/Conf_CLeaR</a>)<br></font><p style="box-sizing:border-box;margin-top:0px;margin-bottom:1rem;color:rgb(33,37,41)"></p><h5 style="box-sizing:border-box;margin-top:0px;margin-bottom:0.5rem;font-weight:500;line-height:1.2;color:rgb(33,37,41)"><font size="4" face="arial, sans-serif">Summary</font></h5><p style="box-sizing:border-box;margin-top:0px;margin-bottom:1rem;color:rgb(33,37,41)"><font face="arial, sans-serif">Causality is a fundamental notion in science and engineering. In the past few decades, some of the most influential developments in the study of causal discovery, causal inference, and the causal treatment of machine learning have resulted from cross-disciplinary efforts. In particular, a number of machine learning and statistical analysis techniques have been developed to tackle classical causal discovery and inference problems. On the other hand, the causal view has been shown to facilitate formulating, understanding, and tackling a broad range of problems, including domain generalization, robustness, trustworthiness, and fairness across machine learning, reinforcement learning, and statistics.</font></p><p style="box-sizing:border-box;margin-top:0px;margin-bottom:1rem;color:rgb(33,37,41)"><font face="arial, sans-serif">We invite papers that describe new theory, methodology and/or applications relevant to any aspect of causal learning and reasoning in the fields of artificial intelligence and statistics. Submitted papers will be evaluated based on their novelty, technical quality, and potential impact. Experimental methods and results are expected to be reproducible, and authors are strongly encouraged to make code and data available. We also encourage submissions of proof-of-concept research that puts forward novel ideas and demonstrates potential for addressing problems at the intersection of causality and machine learning. Paper Submission The proceedings track is the standard CLeaR paper submission track. Papers will be selected via a rigorous double-blind peer-review process. All accepted papers will be presented at the Conference as contributed talks or as posters and will be published in the Proceedings.</font></p><p style="box-sizing:border-box;margin-top:0px;margin-bottom:1rem;color:rgb(33,37,41)"><font face="arial, sans-serif">Topics of submission may include, but are not limited to:</font></p><ul style="box-sizing:border-box;margin-bottom:1rem;margin-top:0px;color:rgb(33,37,41)"><li style="box-sizing:border-box"><font face="arial, sans-serif">Foundational theories of causation</font></li><li style="box-sizing:border-box"><font face="arial, sans-serif">Causal effect identification and estimation</font></li><li style="box-sizing:border-box"><font face="arial, sans-serif">Causal discovery in complex environments</font></li><li style="box-sizing:border-box"><font face="arial, sans-serif">Efficient causal discovery in large-scale datasets</font></li><li style="box-sizing:border-box"><font face="arial, sans-serif">Causal representation learning</font></li><li style="box-sizing:border-box"><font face="arial, sans-serif">Machine learning (including reinforcement learning) building on causal principles</font></li><li style="box-sizing:border-box"><font face="arial, sans-serif">Unsupervised and semi-supervised deep learning connected to causality</font></li><li style="box-sizing:border-box"><font face="arial, sans-serif">Causal generative models for machine learning</font></li><li style="box-sizing:border-box"><font face="arial, sans-serif">Machine learning and statistical methods for heterogeneous data sources</font></li><li style="box-sizing:border-box"><font face="arial, sans-serif">Causality-empowered foundation models</font></li><li style="box-sizing:border-box"><font face="arial, sans-serif">Causally rooted methods for fairness, accountability, transparency, explainability, trustworthiness, and recourse</font></li><li style="box-sizing:border-box"><font face="arial, sans-serif">Benchmark for causal discovery and causal reasoning</font></li><li style="box-sizing:border-box"><font face="arial, sans-serif">Applications of any of the above to real-world problems</font></li></ul><h5 style="box-sizing:border-box;margin-top:0px;margin-bottom:0.5rem;font-weight:500;line-height:1.2;color:rgb(33,37,41)"><font size="4" face="arial, sans-serif">Physical Attendance</font></h5><p style="box-sizing:border-box;margin-top:0px;margin-bottom:1rem;color:rgb(33,37,41)"><font face="arial, sans-serif">CLeaR 2025 is being planned as an in-person conference with hybrid elements accommodating online presentations when physical attendance is not possible.</font></p><h5 style="box-sizing:border-box;margin-top:0px;margin-bottom:0.5rem;font-weight:500;line-height:1.2;color:rgb(33,37,41)"><font size="4" face="arial, sans-serif">Formatting and Supplementary Material</font></h5><p style="box-sizing:border-box;margin-top:0px;margin-bottom:1rem;color:rgb(33,37,41)"><font face="arial, sans-serif">Submissions are limited to 12 single-column PMLR-formatted pages, plus unlimited additional pages for references and appendices. Authors of accepted papers will have the option of opting out of the proceedings in favor of a 1-page extended abstract, which will point to an open access archival version of the full paper reviewed for CLeaR. You can also submit a single file of additional supplementary material separately, which may be either a pdf file (containing proof details, for instance) or a zip file that can include multiple files of all formats (such as code or videos). Note that reviewers are under no obligation to examine the supplementary material. Please format the paper using the <a href="https://drive.google.com/drive/folders/1KTPiVeylR1_8o42kI8E2GbF-6ThMV6Zq" style="background-color:transparent;box-sizing:border-box;color:rgb(0,123,255);text-decoration-line:none">official LaTeX style files</a>. We do not support submission in formats other than LaTeX. Please do not modify the layout given by the style file.</font></p><p style="box-sizing:border-box;margin-top:0px;margin-bottom:1rem;color:rgb(33,37,41)"><font face="arial, sans-serif"><br></font></p><font face="arial, sans-serif">Mathias Drton & Biwei Huang<br>CLeaR 2025 Program Chairs<br><br>Negar Kiyavash & Jin Tian<br>CLeaR 2025 General Chairs</font><br></div></div>