当前位置: 首页 > news >正文

ACM会议/期刊2026年起不再提供免费发表模式,全面收取APC

计算机领域知名出版机构 ACM(Association for Computing Machinery,计算机协会)宣布,自 2026 年 1 月 1 日起,所有通过 ACM 出版的会议论文和期刊文章将收取 APC(Article Processing Charges,文章处理费用)。这一举措标志着 ACM 向全面开放获取(Open Access, OA)出版模式的转型。

全面转向OA,意味着作者将无法通过传统的基于订阅(subscription-based)的出版模式来“免费发表论文”。如果您的所在机构不在APC豁免列表中,则需要为每篇发表的论文支付相应的APC费用。建议作者在投稿前,务必查阅相关期刊的最新政策和费用详情,以做好相应准备。

ACM 向全面开放获取过渡

自 2026 年 1 月 1 日起,ACM 将正式成为 完全开放获取(Full Open Access)出版方。所有 ACM 期刊与出版物都将实现 100% 开放获取。ACM 认为,可持续的开放获取未来将更好地服务全球计算机科学社区。开放获取能够帮助 ACM 作者在可见度、影响力和国际传播方面获得显著优势。根据 ACM Digital Library 的统计,开放获取论文具有以下特点:

  • 下载量是订阅制论文的 2–3 倍
  • 被引用次数比付费墙后的论文 高 70%
  • 同时包含在 ACM Digital Library 的基础版与高级版中
  • 能够立即满足全球多数资助机构的开放获取要求

APC 费用豁免条件

在过渡完成后,以下类别的论文可免费发表在 ACM Digital Library 中(即无须支付 APC):

  1. 通讯作者所属机构参与了 ACM 的转型计划 ACM Open(当前参与机构列表可查阅 ACM 官网)
  2. 通讯作者所在国家被世界银行归类为低收入国家

参与ACM Open计划的机构:https://libraries.acm.org/acmopen/open-participants

目前已有超过 1800 所机构参与 ACM Open,意味着大多数 ACM 期刊论文的作者无需支付 APC。参与机构数量还将持续增长,并预计在未来进一步扩大。

对于不符合上述条件的论文,将需支付 APC(Article Processing Charges)。

为支持顺利过渡并鼓励更多机构加入 ACM Open,ACM 将在 2026 年实行由 ACM 直接资助的临时 APC 补贴。该补贴适用于 2026 年 1 月 1 日凌晨(美国东部时间)之后,通过 ACM eRights 系统处理的所有文章。2026 年补贴后的期刊 APC 收费标准如下:

非 ACM / SIG 会员至少一位是 ACM / SIG会员
期刊文章$1450$950
期刊文章(中低收入地区)$725$475
会议文章$350$250
会议文章(中低收入地区)$175$125

注:中国大陆不属于中低收入地区

http://www.cnnetsun.cn/news/65380.html

相关文章:

  • 【编号2551】从代码逻辑到实用体验:一款小红书笔记下载工具的技术实现与使用感悟
  • 大模型智能体开发指南:文件系统如何优化Agent性能!
  • ComfyUI集成Qwen3-14B的可能性探索:视觉+语言新组合
  • GPT-5.2震撼上线!性能碾压人类专家,程序员必学大模型技术,建议收藏
  • CompTIA CV0-004 Cloud+ 認證考試完整介紹
  • PyTorch安装避坑指南 + vLLM性能调优技巧
  • AutoGPT与Metabase Plus集成:增强版报表自动化
  • PyTorch安装后如何加载Qwen3-VL-8B进行多模态推理
  • 【收藏必看】2025大模型技术岗位全景图:15大方向详解,助你成为AI人才
  • LobeChat支持GraphQL接口吗?API扩展能力分析
  • LobeChat能否实现对话分享功能?链接公开化实践
  • 全球工程软件格局重塑:中国AI原生平台的机会窗口
  • 【Dubbo】接口特性与开发注意事项
  • 测试环境管理的最佳实践
  • Miniconda环境下安装PyTorch GPU版的完整流程
  • AI推理的“哥白尼革命”!何恺明团队推翻LLM,将抽象推理重新定义为视觉问题
  • 深度学习训练器框架全面对比指南
  • 火山引擎AI大模型新玩法:结合vLLM实现高效推理
  • 16、GTK+ 样式定制全解析
  • LobeChat是否支持Service Worker?离线访问能力构建
  • 重学计算机基础013:减法运算的底层逻辑——为什么没有“减法器”?
  • apk pure安全性争议下,本地大模型成新趋势
  • LobeChat能否支持NFT头像展示?个性化形象设定
  • LobeChat + Kubernetes:大规模部署AI前端界面的可行路径
  • 20万以内家用新能源SUV怎么选?纯电动车型主动安全系统深度对比
  • 基于28DR+VU13P的宽带高速信号处理板
  • AutoGPT镜像上线促销:限时赠送免费Token额度
  • 达人内容乱+不合规?KOL/KOS/KOC/KOC/KOX内容协同+合规管控,品牌调性不跑偏
  • 解锁优质创意素材:这四个专业平台值得收藏
  • 毕设分享 深度学习遮挡下的人脸识别(源码+论文)