2026年OSDI和MLSys两个系统方向的顶会，同一个人同时中了论文——做大模型推理系统的人应该已经注意到这个名字了。
爱丁堡大学信息学院的Luo Mai，Reader（相当于国内副教授），研究做的是大规模机器学习系统。他的主页上明确写了"Fully funded PhD and postdoctoral positions are available"。这不是那种挂着不更新的老页面——他2026年的两篇顶会论文都已经挂上去了。
先说适合谁：做系统的人，不是做模型的人
这个组的核心不是训练一个更好的模型，而是让已有的大模型跑得更快、更省、能部署到更多场景。他的两篇2026年论文题目说得很清楚：一篇叫BatchGen，做batch inference的可扩展架构；另一篇叫ContextPilot，做长上下文推理的加速。
我之前有个学生想申ML方向，简历上全是模型调参的经历。这种背景去套这个组大概率没回音。他要的是有系统背景的人——你得会写分布式代码，理解GPU调度，最好碰过推理引擎的源码。CV里如果只写"用PyTorch训练了一个Transformer"，他看不出你能做系统研究。
具体改法：CV里不要只写用了什么框架训了什么模型。补三件事：你改过哪个系统组件、你处理过什么规模的数据/计算瓶颈、你的优化让延迟或吞吐量改善了多少。
他的研究在解决什么问题
简单说就是：大模型推理太贵了。现在的LLM服务成本里，推理占了绝大部分。他的组在做的事情是从系统层面降低这个成本——不是靠模型压缩或蒸馏，而是靠更聪明的调度、缓存和批处理策略。
BatchGen: An Architecture for Scalable and Efficient Batch Inference
OSDI 2026, 2026 — 系统方向最顶级会议
ContextPilot: Fast Long-Context Inference via Context Reuse
MLSys 2026, 2026 — ML系统顶会
这两篇论文的共同特点是：都在解决LLM推理的实际部署问题。BatchGen处理的是多请求并发时的效率；ContextPilot处理的是长文本推理时的重复计算。从论文作者列表看，他的学生不少是中国学生——这个信号说明他对中国学生背景是接受的。
嗯……怎么说呢，他还有一个身份值得注意：EPSRC CDT in Machine Learning Systems的联合负责人。CDT是英国的博士训练中心，意味着他手上有稳定的PhD名额和经费来源，不是靠单个项目养学生那种模式。这对申请者来说是个好消息——funding比较稳。
Research Proposal怎么缩题
不要写"大模型推理优化"这种大题目。先缩到一个具体的系统瓶颈：
推荐方向1：多模态大模型的异构推理调度。对象：视觉-语言模型的推理请求。场景：云端混合部署。方法：基于请求特征的动态batch策略。可追问：不同模态子网络的计算图依赖如何影响调度决策？
推荐方向2：长上下文场景下的KV Cache管理策略。对象：128K+上下文的LLM推理。场景：文档理解/代码生成等长输入任务。方法：基于注意力分布的选择性缓存。可追问：Cache淘汰策略对生成质量的影响如何量化？
避坑方向：不建议写纯模型压缩（量化/剪枝/蒸馏）的题目。这不是他的主线，他做的是系统层面的优化，不是模型层面。如果RP第一页全是模型结构的改动而没有系统设计，方向就偏了。
对了，说到proposal的事，我想起来——他之前的博士是Google Fellowship资助的，在帝国理工做的博后，跟微软研究院也有合作。这说明他的学术网络偏工业界系统方向。写RP的时候如果能提到真实的工业部署场景，比纯学术场景更容易让他觉得你懂这个领域。
邮件第一段怎么写
邮件开头别写"I am very interested in your research"。直接写你做过什么系统相关的事：你优化过哪个推理框架的哪个模块、你在什么规模的集群上跑过分布式训练、你碰到过什么具体的性能瓶颈。然后说你读了他的BatchGen或ContextPilot论文，觉得哪个问题可以往哪个方向延伸。最后一句话说你想把题目缩到什么具体方向。
奖学金与资助
爱丁堡大学PhD的标准资助方案需要分开看：
学校奖学金：Edinburgh Global Research Scholarship可覆盖海外学费差额（来源：爱丁堡大学研究生院官网，L1）。
CDT项目经费：EPSRC CDT in Machine Learning Systems提供全额资助，包含学费+生活费约£19,237/年（来源：CDT官网，L1）。这是他作为联合负责人能直接分配的名额。
CSC联合奖学金：爱丁堡大学与国家留学基金委有合作项目，学校免学费，CSC提供生活费（来源：爱丁堡大学官网，L1）。
导师项目经费：他主页明确写了"Fully funded PhD positions available"，推断有独立的项目经费可以支持PhD（来源：导师个人主页，L1-L2）。
如果你的背景和ML系统方向匹配，这个组现在确实是一个值得认真考虑的选择——funding稳、方向热、导师产出活跃，而且明确在招人。但前提是你真的有系统方面的经历，而不只是做过模型训练。
