博士申請|香港科技大學（廣州）謝思泓教授招收CV/多模等方向全獎博士/博後/RA

合適的工作難找？最新的招聘資訊也不知道？

AI 求職為大家精選人工智慧領域最新鮮的招聘資訊，助你先人一步投遞，快人一步入職！

香港科技大學（廣州）

香港科技大學是亞洲乃至全球領先的研究學府之一，並被認為是世界上發展最快的大學之一，在 2023年，位列 QS 世界大學排名第 40 位和泰晤士高等教育世界年輕大學排名第2位。2022年9月，香港科技大學啟用廣州校區，重點發展交叉學科，以與清水灣校區相互補足。課程設計將圍繞資訊、功能、系統、社會四個樞紐定位，研究範疇涵蓋資料科學、機器人與自動化系統、人工智慧、先進材料等新興和前沿領域。學校擁有先進的科研裝置和豐富的計算資源。在保證兩個校區地位平等，學位證、學生待遇一致的前提下，廣州校園政策更加靈活。校園位於廣州南沙，生活成本低、便利舒適，交通便捷，氣候宜人。為培養學生在全球化競爭中成為跨文化的領導者，香港科技大學（廣州）以英語為基本工作語言和教學語言。

導師簡介

謝思泓，香港科技大學（廣州）人工智慧學域長聘副教授，可靠人工智慧探索實驗室 (ExRAIL: Exploratory Reliable AI Lab) 負責人，香港科技大學（廣州）-廣東聯通聯合三算實驗室執行副主任。於2016年在伊利諾伊大學芝加哥分校獲得博士學位（導師Philip S. Yu教授，ACM/IEEE Fellow）。此前於美國裡海大學（Lehigh University）擔任助理教授並於2023年獲終身教職。主要研究可靠機器學習及其在製造業、醫療健康、金融行業、機器人等領域的應用。已在包括NeurIPS, ICLR，KDD，UAI，WWW，AAAI，IJCAI，TKDE等頂級期刊和會議上發表論文超70篇，獲得了超過2700次引用（h-index 20）。主持超過100萬美元的美國自然科學基金委科研專案，並於2022年獲美國自然科學基金委（NSF）CAREER Award，2024年獲騰訊微信犀牛鳥專項研究計劃資助，入選國家、廣東省、廣州市等高層次學者計劃。曾擔任美國自然科學基金委評審專家。目前擔任AAAI，TheWebConf程式委員會高階委員、ACM SIGSPATIAL China、CCF-AI、CCF-BigData、CIPS大搜索等專委會執行委員，及NeurIPS、ICML、ICLR、ICDM、SIGIR、TKDE與TPAMI等會議和期刊擔任程式委員會委員。實驗室與多個行業頭部機構如騰訊、華為、聯通、廣醫附屬醫院建立了長期合作關係，接觸真實業務場景、擁有大規模資料與算力資源。與人工智慧領域知名學者（Hui Xiong（IEEE Fellow/長江講席/國家傑青）、Philip S. Yu（IEEE/ACM Fellow））共同指導學生。

學生培養模式與理念

1. 強調深度與廣度結合：鼓勵學生深入基礎演算法與理論，成為細分領域的專家；面向現實世界的複雜性，在實際場景將成果轉化為可用的人工智慧產品，做“頂天立地”的科研。

2. 注重獨立與合作共進：鼓勵學生主導課題，與導師、合作者一起發現科學問題、提出解決方案。有志於成為行業領袖的學生有機會主導科研專案，全方位鍛鍊領導力。

3. 學術嚴謹與創新思維並重：在嚴格規範的學術訓練中提升科研品味，挑戰傳統觀念、突破傳統框架。透過學術討論、思維碰撞激發創新靈感，推動學術前沿發展。

4. 跨學科視野塑造：秉承港科大（廣州）辦學理念，融合人工智慧與智慧製造、機器人、生物醫療、數學等領域，與多學科學者合作，培養獨特學術視角，提升學生在未來工作環境中的競爭力。

研究方向

1. 計算機視覺：基礎模型輔助資料標註算法系統；基於拓撲學與光流（optical flow）的視覺技術；可遷移視覺基礎模型。應用領域：智慧製造、醫療健康。

2. 多模態大語言模型研究：垂直領域多模態大模型資料標註、高效全量微調與部署、隱私保護研究；具有情感感知能力的對話機器人；大模型幻覺檢測與緩解。應用領域：網際網路、智慧製造、醫療健康。

3. 3D空間感知與規劃：機器人長軌跡規劃與擴散模型加速；基於大模型的空間推理與不確定性估計；魯棒線上強化學習。應用領域：低空經濟、機器人。

4. 可靠機器學習理論研究：基於微分幾何（Ricci Curvature, statistical manifold）的可解釋圖模型；基於流模型的機率分佈對齊與可泛化不確定性量化；拓撲資料分析（TDA）；圖基礎模型預訓練與提示學習機理研究。應用領域：網際網路安全應用、智慧製造。

代表性論文

[AAAI’25] Adapting to Non-Stationary Environments: Multi-Armed Bandit Enhanced Retrieval-Augmented Generation on Knowledge Graphs. Xiaqiang Tang, Jian Li, Nan Du, and Sihong Xie* [TL;DR]透過多臂老虎機，線上學習如何平衡知識圖譜上RAG的精度與效率。

[NeurIPS’24] Training for Stable Explanation for Free. Chao Chen, Chenghua Guo, Rufeng Chen, Guixiang Ma, Ming Zeng, Xiangwen Liao, Xi, Zhang, and Sihong Xie* [TL;DR]透過推導最佳化理論，在不損失精度前提下，提升模型解釋的魯棒性。

[NeurIPS’24] Linear Uncertainty Quantification of Graphical Model Inference. Chenghua Guo, Han Yu, Jiaxin Liu, Chao Chen, Qi Li, Sihong Xie*, and Xi Zhang* [TL;DR]在具有不確定性的圖資料上，線性化節點間複雜的不確定性依賴，量化節點分類不確定性，並推導統計誤差保證。

[NeurIPS’24] Enhancing Robustness of Graph Neural Networks on Social Media with Explainable Inverse Reinforcement Learning. Yuefei Lyu, Sihong Xie, Chaozhuo Li, Xi Zhang* [TL;DR]對社交網路上未知的攻擊者行為逆向建模，學習資料增廣策略提高檢測精度和可解釋性。

[ICLR’23] A Differential Geometric View and Explainability of GNN on Evolving Graphs. Yazheng Liu, Xi Zhang, and Sihong Xie [TL;DR]在動態圖資料上將圖模型建模為微分流形，透過最佳化流形上最短路徑，獲得高精度的圖模型可解釋性。

職位要求

1. 基本要求：理工科專業背景，具備紮實的數學、演算法基礎，熟練使用至少一個LLM/CV/Robotics/DL/RL程式設計框架或模擬環境。具備快速學習能力，團隊協作溝通和批判性思維能力，開展創造性研究的能力，文獻閱讀總結能力。

2. 加分專案：獨立開展科研能力、團隊組織領導力；作為主要作者發表高水平論文；獲得知名競賽獎項或國家獎學金；高引用或複雜度的開源軟體或系統；頭部企業團隊實習經驗。

崗位待遇

1. 博士後：綜合年薪（工資+補助）可達40-50萬；

2. 博士：每月津貼15000人民幣；

3. 科研助理：薪水面議。

申請方式

符合上述要求者，請傳送郵件至 [email protected]（標題：Prospective Student–姓名–預期開始時間，如2025春/秋 Fall），並附以下資訊及材料：