香港中文大学计算机科学与工程系的 Irwin King，不适合被简单理解成“大模型导师”。更准确的判断是：这是一个从社交计算、推荐系统、图学习一路延伸到 trustworthy AI 和 federated learning 的长期研究节点。
对申请者来说，关键不是把 proposal 写成“我想做AI”，而是证明自己能把机器学习问题放进真实系统、社会数据、教育技术或图结构场景里。
先看这类学生适不适合申
King教授主页长期写明欢迎有数学基础、独立性强、对 machine learning 和 social computing 相关问题感兴趣的研究生加入。这个表述很宽，但并不意味着“方向沾边就能投”。他的近年关键词集中在 trustworthy AI、federated learning、NLP、LLM、graph neural networks、knowledge graph，以及AI在医学和教育系统中的应用。
比较适合的背景，是已经做过机器学习、图学习、推荐系统、联邦学习、NLP或教育技术项目，并且能说清楚方法为什么服务于一个真实问题。只写“我会PyTorch”“我想做LLM应用”，对这个组来说会偏浅。
一个更稳妥的申请定位是：把自己写成“能处理复杂社会/教育/图结构数据的机器学习申请者”，而不是泛泛的AI爱好者。
这位导师不是只看模型指标
King教授是香港中文大学计算机科学与工程系教授、教育副校长，也是ELITE Centre主任、KEEP和VeriGuide项目PI。他的履历里有一个很明显的特点：研究不是停在论文方法上，而是持续进入学习平台、学术诚信系统、社交计算和知识服务系统。
这会影响proposal写法。单纯追求SOTA的模型改进，除非有非常扎实的理论或实验贡献，否则不如把问题落到“可信、可解释、可部署”的系统里。比如同样写federated learning，最好回答安全、隐私、鲁棒性和公平性中的一个具体问题；同样写GNN，最好说明图结构来自哪里、下游任务是什么、为什么传统方法会失效。
论文和方向真正提示了什么
他的高引用论文里，推荐系统、社会正则化、知识追踪、异构图神经网络和半监督学习一直是主轴。近年公开主页又把 trustworthy AI、federated learning、LLM、NLP、GNN、knowledge graph 放在显著位置。申请者可以把这理解为一个从“社交和图结构里的机器学习”走向“可信AI系统”的连续转向。
Recommender Systems with Social RegularizationWSDM 2011，高引用社会推荐代表作。
MAGNN: Metapath Aggregated Graph Neural Network for Heterogeneous Graph EmbeddingThe Web Conference 2020，说明异构图和表示学习仍是可承接方向。
A Survey of Trustworthy Federated Learning with Perspectives on Security, Robustness, and Privacy2023 arXiv，适合延伸到联邦学习安全、鲁棒性和隐私。
真正能写进proposal的入口
1. Trustworthy federated learning：把安全、隐私、鲁棒性或公平性中的一个点写深，场景可以落在教育数据、医学图数据或跨机构协作。
2. Graph neural networks for social/knowledge systems：不要只写GNN模型改进，要说明图的异构性、时序性或知识结构如何影响下游任务。
3. LLM与教育/知识服务：如果写大模型，最好对接KEEP、VeriGuide或学习平台场景，强调可信生成、检索增强、评估与学术诚信。
哪些方向别作为主线写
第一类是纯应用型LLM demo。只做一个聊天机器人、课程问答系统或摘要工具，但没有可信性、评估、个性化或知识结构问题，容易显得像课程项目。第二类是太泛的推荐系统选题。King教授的推荐系统工作很早，今天再写普通协同过滤或点击率预测，除非有新的图结构、隐私约束或学习场景，否则缺少申请辨识度。
奖学金与资助怎么判断
L1：香港中文大学研究生院列明，2025-26学年的Postgraduate Studentship为每年HK$229,200，折合约HK$19,100/月，通常随offer同步公布，覆盖正常修读年限。
L1：HKPFS通道在香港中文大学可叠加Vice-Chancellor相关支持，年度stipend、会议旅费、学费减免和住宿支持合计可更高，但竞争强，不能作为默认资助。
L1-L2：King教授公开主页列出多个RGC、UGC、KEEP、VeriGuide及应用研究资助，说明他长期拥有平台型项目资源。需要保守处理的是，公开页面中“start in August 2025”的岗位信息有时间点，2026申请仍应以导师邮件和系里最新招生安排确认为准。
这位导师最适合的不是“我想做AI”的泛申请者，而是能把机器学习方法放进可信系统、图结构、教育技术或社会计算问题里的申请者。你现在更缺的是算法深度，还是一个能和他现有平台对上的具体场景？
