一、导师简介
Lingjie Duan现任香港科技大学（广州）物联网学域与人工智能学域双聘教授，2012年获香港中文大学信息工程博士学位。其学术轨迹呈现明显的跨地域特征：博士毕业后赴加州大学伯克利分校从事访问研究，随后加入新加坡科技设计大学（SUTD，MIT合作院校），历任终身副教授、工程系统与设计学院副院长（研究）。2023年，Duan作为大会主席主持了第21届IEEE/IFIP WiOpt国际会议，该会议是网络建模与优化领域的旗舰会议。2024年，他获广东省计算机学会一等奖论文奖，并入选WiOpt 2024最佳论文候选名单。
Duan的学术身份具有双重属性：既是IEEE/ACM Transactions on Networking（2023-）和IEEE Transactions on Mobile Computing（2023-）的编委，也是AAAI 2026的程序委员领域主席。这种"网络+AI"的交叉定位，使其研究区别于纯计算机视觉或纯通信理论的学者。自2021年起，斯坦福大学将其列入全球前2%科学家榜单；ScholarGPS 2022年数据显示，其在移动计算领域过去五年全球排名第8。
二、近期文章和项目解析
Duan近期研究呈现三个明确的技术方向：
1. 大语言模型与网络协议优化
2025年发表于MobiHoc的论文"To Theoretically Understand Transformer-Based In-Context Learning for Optimizing CSMA"（与SUTD合作）首次将Transformer的上下文学习（In-Context Learning, ICL）理论应用于WiFi 7的CSMA协议优化。该研究针对传统二进制指数退避算法在动态节点密度环境下的吞吐量损失问题，提出基于预收集碰撞阈值数据示例的提示工程方法。技术路径上，通过构建碰撞案例查询作为Transformer输入，生成预测竞争窗口阈值（CWT），并证明在有限训练步数内可达到近最优预测。此项工作的理论价值在于：将LLM的ICL能力从自然语言处理迁移至链路层协议设计，为"AI for Networking"提供了可证明的收敛性保证。
2. 人机协同AI（Human-in-the-loop AI）
Duan主导的Edge AI & Economics Lab（EAE-Lab）将"人在回路"作为核心方法论。区别于全自动机器学习，该范式强调人类专家在数据标注、模型校验、决策干预中的持续参与。在物联网场景下，这涉及两个具体问题：一是分布式环境下的众包数据质量管控（crowdsourcing quality control），二是边缘设备与云端模型的协同训练机制。其2024年广东省一等奖论文即涉及此类人机协同的资源分配策略。
3. 算法博弈论与网络经济学
Duan在SUTD时期已建立"Network Economics"研究主线，发表成果覆盖IEEE/ACM Transactions on Networking、Management Science等工程与商学顶刊。该领域关注通信网络中的激励机制设计，如频谱拍卖、数据定价、众包激励等。其研究特色在于将博弈论中的机制设计（Mechanism Design）与无线通信的物理层约束相结合，例如针对能量收集通信网络的动态定价策略。
三、未来研究预测
基于现有研究轨迹与学科发展趋势，Duan课题组未来三至五年可能聚焦以下方向：
1. 多智能体自主系统的经济机制设计
随着边缘AI设备数量激增，分布式机器学习中的"免费搭车"问题（free-rider problem）与数据隐私冲突将凸显。预测其团队将探索联邦学习（Federated Learning）中的激励相容机制，结合博弈论设计使理性参与者自愿贡献算力与数据的协议。此方向需解决的核心矛盾是：模型精度提升依赖于数据聚合，而数据共享与隐私保护存在内在张力。
2. 大模型驱动的网络自治
当前研究已将Transformer用于CSMA优化，下一步可能扩展至更复杂的网络层协议（如路由、拥塞控制）。关键科学问题在于：LLM的黑箱决策如何与网络理论的可解释性要求兼容？预测将出现"神经-符号"混合方法，即利用LLM处理非结构化网络状态，再通过约束优化生成可解释的控制策略。
3. 人机协同的边界与伦理
"Human-in-the-loop"在提升系统可靠性的同时，也引入人类认知偏差与响应延迟。未来研究可能量化人机协作的成本-收益权衡，建立"何时自动化、何时人工干预"的理论判据。这在自动驾驶、工业物联网等安全关键场景中具有直接应用价值。
