如果你手里有两个博士offer——一个亚洲老牌名校的大牛组但没明确opening，另一个是港城大的年轻PI、组规模正处于扩张期、每年都在招人、工业界合作一大把——你怎么选？直说吧，这种情况我大概率会建议你选后者。本期解析的这位导师，就是典型的第二种。
先把丑话说前面：不是所有背景都适合走这条路。底线是这样的——你如果不爱编程，不想碰顶会截止日的那种节奏，下面这些内容你可以不用看了。
这个组跟你有没有关系
我先把门槛摆出来。这个组特别欢迎的背景：计算机/软件/统计/数学/自动化本科或硕士；在推荐系统、广告、搜索、城市计算、金融科技、LLM任一方向做过真实课题；Python+PyTorch基本功扎实；有KDD/WWW/AAAI/SIGIR/NeurIPS/ICLR投稿或发表经验（哪怕是Workshop）；或者在字节/腾讯/阿里/蚂蚁/小红书的推荐/搜广推团队实习过的。
不太合适的背景：只想做纯理论、不愿意工程化落地；只会调包不愿意啃论文复现；对工业界合作和真实数据场景没兴趣；想读3年就毕业（博士正常4-5年）。
家长视角一句话：香港八大之一、全港数据科学第一梯队、全奖免学费+奖学金1.85万港币/月起、毕业去向是互联网大厂研发岗或港校讲师——读完进得了谷歌/亚马逊/字节也进得了高校，两条路都通。
导师是谁、组长啥样
这位导师是赵翔宇老师，港城大数据科学学院长聘轨助理教授（近期已晋升长聘副教授）、博导、深圳研究院副研究员。他本科电子科技大学、硕士中科大（师从陈恩红教授）、博士密歇根州立大学DSE实验室（师从汤继良教授）——典型的国内Top工科+北美知名AI组的路径。
人才帽子和基金这块相当硬：两获CCF-腾讯机构鸟基金，同时拿过CCF-蚂蚁科研基金、腾讯机构鸟专项、蚂蚁集团科研基金、Bytedance研究合作奖、Criteo教职研究奖——工业界合作数量几乎是同龄PI里的天花板。荣誉这边还有全球人工智能华人新星、AAAI/ACM SIGAI联合博士论文奖提名、ICDM'21和ICDM'22 Best-ranked Papers。
组生态关键数据：AML实验室（aml-cityu.github.io），实验室官网挂出的在读博士生十余人、博士后/RA若干，中国学生占比几乎100%，国内组氛围浓厚。资金充足、算力不缺，导师跟亚马逊/谷歌/Meta/LinkedIn/Criteo/Lyft/京东/快手/腾讯/字节都有合作，实习和工作机会对学生开放得很。
导师在做什么、做得怎么样
先说我的赛道判断：推荐系统和AI for X（城市计算、金融、教育、医疗）目前处于"工业界需求持续高、学术端被LLM重塑"的阶段。简单说——工业界对这类人的需求从来没少过，但学术写法正在变，所以跟对了方向的年轻PI特别重要。赵老师这两年明显在往LLM+推荐、Agent+决策、多模态理解这些新方向迁移，路径踩得很准。出口这边，他学生的去向主要是互联网大厂核心算法岗、港校讲师、以及继续读博后去海外的。
挑三篇近期代表作给你看：
① 2024 · KDD · "Large Language Model Meets Recommender System: A Survey and Future Directions"
方向性综述 · 高引 · 定位LLM+推荐的研究图谱
这篇我的判断是——要是你今年申请"LLM+推荐"方向，不读这篇基本等于裸考。
② 2024 · WWW · "AutoML for Deep Recommender Systems: Fundamentals and Advances"
系统性工作 · 自动机器学习×推荐系统交叉
AutoML+推荐这条线是组里一个持续性的课题，从这篇往前追能看到一条很清晰的工作链。如果你AutoML背景强，直接对这条线切进去命中率高。
③ 2023 · SIGIR · "Reinforcement Learning based Recommender Systems: A Survey"
强化学习+推荐综述 · 被引数百次
这是组里RL+RecSys方向的锚点工作。我的判断是——RL+推荐这条线产业界需求一直在，蚂蚁、字节都在投，但学术端已经不算新赛道了，想吃这块饭得卷得动。
怎么进组
套磁友好度评级：主动招人型① 每年都在招，全奖PhD/联培PhD/博后/RA四条通道并行② 官网aml-cityu.github.io/openings长期挂着招聘③ 对联培博士友好，有和国内985/国科大/南科大的合作通道
切入角度一：LLM+推荐系统。邮件里直接对标他24年KDD综述的方向，谈你对RAG、Agent、LLM冷启动、prompt-based推荐的具体理解。这是目前组里最热的方向，opening最多。邮件关键词可以提：LLM4Rec / Agent推荐 / prompt-based / 冷启动。
切入角度二：AutoML+深度推荐。对应WWW那条工作线，谈NAS在推荐场景的应用、自动特征工程、自动超参搜索。这条线适合有AutoML或系统优化背景的同学。邮件关键词：NAS / 自动特征 / 自动超参 / AutoML4Rec。
切入角度三：AI+城市/金融/医疗。这是组里的"AI for X"方向，对应城市计算、金融科技、智慧医疗。申请人如果有具体行业数据的实习或课题经验，这条切入口命中率最高。邮件关键词：时空数据 / 金融风控 / 医疗预测 / 城市智能。
雷区：千万别写"我对AI很感兴趣"这种空话——组里这么大，每天收一堆同款邮件。你必须把自己过去做过的具体课题，映射到上面三条线之一。没做过也要说清楚"我想做哪条"。
申请材料怎么准备
1. 学历背景准备
985/211本科优先，海外TOP100硕士同样受欢迎；GPA 3.5+/85+；IELTS 6.5或TOEFL 79（注意港城大是7.0/90对部分项目更稳）；有GRE更好，非硬性。提前半年把英语考好。
2. 核心技能准备
核心工具：PythonPyTorchTensorFlowHugging FaceLangChain。加分项：分布式训练（DeepSpeed/FSDP）、大规模工业级推荐系统经验、LLM微调经验（LoRA/PEFT）、Kaggle比赛金牌或CCF大数据竞赛奖项。
3. 申请材料准备
CV按推荐系统/LLM方向重新编排（把相关项目和论文顶到前面）；RP（Research Proposal）3-5页，一定要选上面三个切入角度之一而且提出具体问题+可行路径；PS讲清楚为什么是这个组不是别的组；推荐信2-3封，至少一封来自熟悉你科研的导师；代表性工作（论文/比赛/开源项目）三件套，尽量有Github链接。
读完能去哪
毕业去向速览（基于公开的实验室毕业生记录）：
·互联网大厂研发岗：字节跳动、阿里、腾讯、快手、美团、小红书算法岗为主
·学术圈：国内双一流高校讲师/助理教授、港校博士后、海外名校博士后
·海外：有学生进入北美大厂研发团队，组里跟北美多家实验室有合作
·新型研究机构：上海AI Lab、粤港澳大湾区数字经济研究院等
