今天聊的这位导师是新加坡国立大学计算机学院的 Chun Kai Ling，助理教授，主要做多智能体系统和计算博弈论。这个组最值得看的不是论文数量，是他建组时间短但产出节奏非常集中：2024 年一年内在 ICML、IJCAI、AAAI 主会议和 GameSec 最佳论文拿了一圈，方向非常聚焦。对还在选导师的人来说，这种刚建组的 AP 意味着位置多、指导密度高，但也意味着组内学术资源还在积累期，需要自己判断值不值得赌。
项目方向门槛
新加坡国立大学（National University of Singapore）计算机学院的博士项目（PhD in Computer Science）是新加坡乃至亚洲最有竞争力的 CS PhD 项目之一，学制通常四到五年。申请者需要有计算机科学、数学、运筹学或相近方向的硕士或本科学位。这个方向对数学基础要求比较高，特别是博弈论、优化理论和概率论，纯软件工程或纯应用开发背景的人切过来会有门槛。
研究背景与课题组
Chun Kai Ling 在加入 NUS 之前在哥伦比亚大学做博后，合作导师是 Christian Kroer 和 Garud Iyengar，两位都是计算博弈论和运筹学领域比较活跃的人。他的博士学位具体信息我没查到完整记录，但从合作关系和论文主题看，学术训练路径集中在博弈论和算法设计上。组建时间不长，目前公开信息显示学生数量较少，这对申请者来说是一个双面信号：一方面意味着导师有精力带人，指导密度可能比较高；另一方面也意味着组内还没有形成成熟的学术梯队。
研究重心
核心研究主线有两条。第一条是多智能体博弈中的计算问题，具体来说是怎么在大规模博弈中高效求解均衡策略。他 2024 年 AAAI 主会议的论文做的是稀疏策略承诺（Commitment to Sparse Strategies），核心问题是在安全博弈等场景下，防御方如何用有限资源做最优配置。这类问题的数学基础是线性规划和组合优化，做过运筹学或线性代数比较扎实的人会更容易上手。
第二条线是在线学习与博弈的交叉。ICML 2024 那篇做的是带有不完美建议的在线二部匹配（Online Bipartite Matching with Imperfect Advice），把传统的在线算法问题和博弈论的信息不对称结构结合起来了。这个方向近两年在 ML 社区比较热，尤其是把经典运筹问题用学习增强的思路来重新看，但真正做得好的人需要同时懂算法理论和学习理论，门槛不低。
代表论文
Commitment to Sparse Strategies in Two-Player Games（AAAI 2025 主会议）。这篇论文处理的是双人博弈中的稀疏承诺策略问题，核心方法是混合整数规划加博弈论均衡分析。对申请者来说，如果你做过 MIP 或者对组合优化比较熟，这篇论文的方法部分值得细读。
Online Bipartite Matching with Imperfect Advice（ICML 2024 主会议）。在线匹配问题加上了 ML 预测的不确定性，方法上融合了竞争分析和学习增强算法。这篇论文的实验设计值得看，因为它展示了怎么在理论工作中做有说服力的实验评估。
Contested Logistics: A Game Theoretic Approach（GameSec 2024，最佳论文奖）。把博弈论用在物流对抗场景中，拿了最佳论文说明评审认可这个问题建模和求解的完整度。
申请准备与文书材料
CV 里最该突出的是你的数学训练：做过什么优化问题、写过什么证明、用过什么求解器。如果有运筹学课程项目或博弈论相关的研究经历，写清楚你的具体贡献。邮件第一段建议直接说你对他哪篇论文的哪个问题有想法，比泛泛写"interested in game theory"有效得多。没有博弈论背景但做过组合优化或在线学习的人也可以试，前提是能说清楚你的技术储备和他的问题怎么接上。纯做应用 ML 没有理论训练的人，这个组可能不太合适。
研究计划
主方向：可以考虑"多智能体系统中的学习增强安全资源配置"。对象是城市公共安全场景下的巡逻资源分配，数据可以用合成博弈实例或公开的犯罪数据集，方法结合他的稀疏策略承诺框架和在线学习的反馈机制。可追问的问题是：当对手策略随时间变化时，防御方的稀疏策略集如何自适应更新。这个题目和他两篇代表作都有关联，且方向上有自然的延伸空间。
不建议写太泛的"AI for Social Good"或者没有数学模型的纯应用题目，和他的研究风格不匹配。
博士未来就业与资助
NUS PhD 标准资助（L1）：月补贴约 S$3,200-3,500（Research Scholarship），学费由学校承担。
NUS 总统研究生奖学金（L1）：S$6,000/月，另有各类 top-up 可申。
就业方向：计算博弈论方向的博士毕业后，学术路径通常是继续做博后或直接申教职（这个方向教职需求在上升）；业界路径主要对接科技公司的算法策略岗、定价优化岗和安全资源配置相关的技术研究岗。新加坡本地的 Grab、Shopee、Sea 以及全球科技公司在新加坡的研究中心都有对口需求。
有运筹学或博弈论训练、能读懂理论论文证明部分的人，这个组值得认真准备。组刚建不久，位置应该有，但邮件里必须展示你的数学基础，不能只谈兴趣。
信息来源：新加坡国立大学官网、NUS Computing 教师主页、导师个人学术页面、Google Scholar、AAAI/ICML/IJCAI 公开会议记录。数据截至 2026 年 6 月，如有变动以官方最新页面为准。
