| 查看: 69 | 回复: 0 | |||||||||
[交流]
香港中文大学（深圳）冀晓强教授实验室招收研究型博士后
|
香港中文大学（深圳）冀晓强教授实验室招收研究型博士后 关键词： 国际化科研氛围 完备软硬件科研设施 算力充足 机器人与AI学科交叉、平台高、重大项目支撑。 职位亮点： 国际化科研氛围浓厚、算力、软硬件科研设施等资源丰富；学校环境优美、条件好；与行业龙头企业、海内外顶尖高校、国家级科研机构建立长期深度合作，产学研平台资源充足；团队导师有丰富的领域顶刊发表及审稿经验。 主要研究方向： 深度学习基础理论与算法研究：聚焦深度学习底层理论与算法优化，针对深度网络特征表征、特征提取、拟合学习等核心瓶颈开展理论推导与范式创新。依托标准化实验体系开展模型结构设计、网络改进与训练策略优化，结合正则化约束、损失函数改良、梯度更新优化等方法，有效提升深度学习模型的泛化能力与鲁棒性。 Seq2Seq序列建模与智能生成研究：以Seq2Seq编解码架构为核心，面向长时序建模、语义对齐与复杂序列生成难题，开展Encoder-Decoder架构创新与时序建模算法攻坚。紧跟大模型与多模态时序生成前沿，通过系统性实验迭代沉淀原创性算法成果，构建高性能的序列智能生成建模体系。 课题组导师简介： 冀晓强教授在美国哥伦比亚大学获得博士学位，现任香港中文大学（深圳）理工学院/人工智能学院助理教授、校长青年学者、博士生导师，深圳市人工智能与机器人研究院具身智能中心副主任、广东省具身智能机器人工程技术研究中心副主任，东盟-中国人工智能实验室首席科学家。他的研究主要集中在人工智能控制系统，主持多项科研及人才项目，包括国家自然科学基金数据科学与人工智能前沿探索课题、深圳市重大专项、广东省面上等。至今在IEEE Transactions on Automatic Control (TAC)、Automatica、Journal of Field Robotics (JFR)、ACM T-CPS、IEEE/ASME T-Mech、RA-L、CDC、ICRA等顶尖国际期刊及会议发表论文六十余篇。特别是在非最小相位系统方面，是该领域全球范围内学习控制设计的推动者之一，并首次提出“有限时间稳定逆”方法。他担任包括IEEE-TAC在内的多个顶级期刊及会议的审稿人、MECC副编辑、Robot Learning青年编委、RCAR等国际会议领域主席，并于近期获得CINT优秀论文奖、ISUI最佳论文奖、Wiley中国高贡献作者奖等。 信息： 1)综合待遇： 据最新规定，省市对符合条件的在站博士后发放每人每年税前21万元的生活补助，补助总额不超过42万元；大学提供每人每年5万元的博士后专项补贴，补贴总额不超过10万元；合作导师提供不低于12万元/2年的薪资，具体薪酬根据应聘者资历和成果面议，综合待遇（2年）不低于64万元/2年； 符合广东省海外博士后人才支持项目的，可申请享受在站补贴税前60万元/2年(该补贴与省市博士后在站生活补助不重复享受)，综合待遇（2年）不低于82万元/2年。 深圳市对出站留深博士后给予36万元/3年资助，用于科研投入或创业前期费用等；符合广东省海外博士后人才支持项目的出站留粤补贴税前40万元/3年。 博士后在站期间可以负责人身份申请各级科研课题资助；博士后进站，可自愿选择落户深圳市。 2)职位要求： 进站条件： 即将取得博士学位或取得博士学位证书三年以内，年龄在35周岁以下，能够连续全职在我校从事研究工作不少于24个月。不接受在职人员以及省内二站博士后来我校进行科研工作的申请。 教育背景：计算机科学、人工智能、机器学习、自动化、电子信息等相关专业，已取得或即将取得博士学位，具备扎实的深度学习、序列建模、生成式算法理论基础。 科研与实操能力：熟练使用Python及PyTorch、JAX等主流深度学习框架。熟练掌握Seq2Seq、Transformer等序列模型架构，具备完整的算法设计、实验验证、 ablation 分析、结果迭代的科研实操能力。 学术创新能力：在深度学习、序列建模、自然语言生成、多模态生成等相关领域有扎实积累，拥有CCF A类顶会/顶刊一作论文，或有独立算法创新、课题攻坚的科研经历，具备良好的科研思维与问题挖掘能力。 队协作与科研素养：具备优秀的学术沟通、课题推进与总结复盘能力，拥有严谨的科研态度，能够独立开展科研工作，同时具备良好的团队协作精神，配合团队完成联合科研攻关。 3)加分项： 序列建模、生成式学习领域，熟练掌握各类Encoder-Decoder架构、时序生成模型，具备新型序列算法设计、理论推导、创新性改进的能力。 熟悉大语言模型预训练、微调、对齐技术，具备多模态生成、跨模态序列对齐相关研究经验，精通SFT、RLHF、持续预训练等后训练范式，具备大模型序列生成优化、幻觉抑制、长文本建模相关科研成果。 拥有国家级科研项目参与经历、领域知名学术竞赛获奖经历，或在轻量化生成模型、高效序列推理、低资源生成学习等细分方向有突出研究者优先。 申请材料： 请准备以下申请材料发至jixiaoqiang@cuhk.edu.cn，题为“姓名-当前所在单位/机构-博士后申请”（例：张三-XX大学-Postdoc申请） 1. 个人完整的中、英文pdf简历各一份。 2. 如有已发表代表作论文及科研成果，请将论文原文及相关材料作为附件一并发送。 3. 其他证明个人科研能力的材料。 [ 来自版块群 广东 ] |
回复此楼» 猜你喜欢
关于filecode，很负责任的告诉大家
已经有7人回复
-
【2027博士申请】纳米药物递送方向
已经有5人回复
-
关于豆爷回答的JTJC与%2F数量
已经有7人回复
-
2026国自然放榜时间
已经有3人回复
-
国基金的申报应该改成非等额制，评价高的钱多评价低的钱少，但是增加资助率
已经有7人回复
-
好奇怪的filecode
已经有4人回复
-
售SCI文章，我:8O5.5.1.O.54,科目齐全,可+急
已经有4人回复
-
售SCI一区T0P文章，我:8.O.55.1.O54,科目全,可伽急
已经有4人回复
-
售SCI文章，我:8O.5.5.1O.54,科目全,可十急
已经有4人回复
-
售SCI一区T0P文章，我:8.O.55.1.O.54,科目齐全,可+急
已经有5人回复
100