香港城市大学博士导师（Mang Tang CHAN教授）

01、招生要求

香港城市大学博士项目采用全英文授课体系。申请者须满足以下条件：

1. 学历背景

申请人需具备以下条件之一：获得认可大学的研究型硕士学位；或获得认可大学的授课型硕士学位；或获得认可大学的一等荣誉学士学位。相关专业背景包括计算机科学、信息技术、软件工程等领域。

2. 英语能力

对于非英语授课院校的毕业生，需提交有效期内的英语成绩：托福网考最低79分，或雅思总分最低6.5分。部分院系可能设定更高标准，建议申请人提前确认具体要求。

3. 奖学金申请

香港博士奖学金计划（HKPFS）每年12月1日截止申请。成功入选者可获得每年340,800港币的津贴，为期三年。第四年学习期间，城大将提供同等水平的资助。此外，城大还提供入学奖学金，约105,800港币，可覆盖第一年的学费及校内住宿费用。

4. 申请材料

在线申请系统需提交：官方成绩单、学位证书、个人简历、研究计划书、英语成绩证明及身份证明文件。申请人需邀请两位学术推荐人提交推荐信。

5. 特别说明

申请人应选择计算机科学系或相关院系作为申请单位。录取决定综合考量学术表现、研究潜力、沟通能力及领导力等因素。面试环节将通过线上或线下方式进行。

02、研究方向

Dr. Chan的研究工作围绕符号学智能体与多媒体系统建模展开，主要涵盖以下领域：

1. 符号学智能体系统

该方向探索如何将符号学理论应用于智能体设计与建模。Dr. Chan在2010年ICISO会议上提出一种建模语言，用于构建基于符号学的智能体系统。相关研究关注智能体如何通过符号交换实现决策与协作。2008年发表的"A Semiotics Based Multi-Agent System Architecture"进一步阐述了该架构在组织决策模拟中的应用。

2. 多媒体同步建模

multimedia同步是Dr. Chan的核心研究主题。2010年发表于IEEE Multimedia的论文"Modeling media synchronization with semiotic agents"提出用符号学智能体建模媒体同步问题。2007年ICITA会议论文"Modeling QoS aware VoD systems with semiotic agents"则探讨了VoD系统的服务质量保障机制。

3. Web技术应用开发

教学实践构成Dr. Chan研究的另一维度。他主导开发了基于Web的成果导向教学平台，2008年ICWL会议论文"Web-based outcome-based teaching and learning"记录了相关经验。2010年IEEE Internet Computing发表的"Podcasting: An internet-based social technology for blended learning"研究了播客技术在混合式学习中的应用，该论文获得13次Scopus引用。

4. 操作系统内核开发

Dr. Chan负责"Integrated Design Project - OS Kernel Development"课程模块，指导操作系统内核实践项目。该方向强调系统软件的性能分析与优化。

5. 分布式多媒体系统安全

早期研究关注电子商务系统安全。2001年发表于Information Management and Computer Security的论文"Integrating security design into the software development process for e-commerce systems"探讨了安全设计在软件开发过程中的集成方法。

03、有想法

基于Dr. Chan的研究基础，以下三个方向具备可行性：

1. 多模态大语言模型的符号学解释框架

当前多模态大语言模型缺乏统一的符号解释理论。研究可构建融合Peirce三元符号理论的智能体通信协议，使模型内部表征具备可追溯的符号语义。具体而言，开发一组中间表征层，将图像token、文本token映射到符号载体、对象与解释项的三元组结构。该框架有望提升模型输出可解释性，并为跨模态一致性提供理论支撑。

2. 动态多媒体系统的反馈控制建模

传统多媒体系统建模采用开环结构，难以适应网络环境动态变化。引入反馈控制理论，构建基于符号学智能体的闭环速率控制系统。智能体实时监测网络延迟、丢包率等QoS参数，通过符号交换动态调整视频编码率与缓冲策略。该系统可应用于云游戏、远程手术等低延迟场景，提升用户体验质量。

3. 生成式AI驱动的自适应教学代理

结合Dr. Chan在播客教学中的经验，开发基于生成式AI的个性化教学代理。代理通过分析学生交互数据构建学习者画像，动态生成多媒体教学内容。符号学理论指导下的知识表征使代理能理解学科概念的深层结构，而非简单模式匹配。该系统可嵌入现有学习管理系统，实现真正的自适应学习路径规划。

Dr. Chan的研究呈现出明显的跨学科特征，将符号学理论引入计算机系统建模，这在当前AI可解释性研究中仍属前沿。其多媒体同步工作虽发表于十五年前，但核心思想与当下的多模态融合趋势高度契合。提出的三个创新点并非凭空设想，而是建立在其已有研究脉络之上。第一个构想呼应了AI社区对模型可解释性的迫切需求；第二个构想将经典控制理论与智能体技术结合，具有明确的工程应用价值；第三个构想则延续了其教育技术研究方向，利用了最新生成式AI能力。

值得注意的是，Dr. Chan的h-index为44，表明其学术影响力主要集中于特定细分领域，而非广泛引用。申请人在联系时应重点阅读其2010年前后的论文，理解符号学方法的技术细节，而非仅停留在概念层面。此外，尽管标注为"Former"，其研究范式对当前博士生仍具指导意义，特别是在理论深度与工程实践结合方面。