课题组公开信息和推断
新加坡管理大学的信息系统学院（SIS）和港科大、NUS的计算机系不同——它不是传统工科路线，而是偏向"用计算方法解决信息和商业问题"。如果你把它和美国的iSchool类比，会更准确。这意味着做推荐系统、信息检索、社交网络分析的人，在这里的问题框架会更贴近实际应用场景。
新组/招生信号
Prof. Hady Lauw不是新PI，是一位在SMU工作多年的副教授，有稳定的研究产出。近期在AAAI 2024和WWW 2024都有论文，说明组里的产出节奏还在。但SMU PhD项目的规模本身不大，每年SIS全院招的PhD总人数有限，所以名额竞争比NUS或NTU同方向要更集中。这一点需要提前邮件确认导师当年是否有名额。
机会与风险
机会：推荐系统方向在工业界需求持续走高，SMU在新加坡本地的企业合作资源比较扎实，做过Shopee、Grab等本地科技公司合作项目的导师不少。这意味着PhD期间拿到实习和数据资源的可能性比较高。
风险：SMU整体品牌认知度不如NUS和NTU，如果毕业后目标是回国高校教职，学校名可能会成为一个阻力。另外，公开信息里没有找到这位导师最近的具体funding详情，招生名额需要邮件确认。
论文中的申请信号
AAAI 2024那篇做的是图对比学习用于基于评论的推荐，核心是把用户评论文本和物品交互图的信息做解耦表示学习。WWW 2024那篇做贝叶斯反事实解释，探索的是推荐系统的可解释性问题。
从这两篇论文看，申请者需要有图神经网络或NLP的实操经验。如果做过knowledge graph embedding或者text-enhanced recommendation的项目，邮件里直接说。RP可以往"推荐系统的因果推断"或"图上的反事实推理"方向收题——这是他近期论文的延伸线。
邮件与面试问题
邮件第一段：写清楚自己在推荐系统或图学习上做过什么具体任务（不是"感兴趣"，是"做过什么"），然后提一句读了AAAI那篇或WWW那篇的哪个点，最后说自己想把题目缩到哪里。面试时建议确认的问题：①今年是否有funded PhD名额；②学生通常第几年开始做研究；③组里目前有几个在读PhD；④是否有企业合作数据可用。
学校资助/项目奖学金
SMU PhD标准资助：月补贴约S$3,500-4,000 + 学费全免，资助年限最长4-5年。Singapore MOE有额外的PhD Fellowship可申请。生活成本方面，新加坡单人月租约S$800-1,200（合租），加上日常开销，PhD补贴基本能覆盖但不宽裕。导师项目经费情况需要邮件确认。（来源：SMU研究生院官网，L1级）
有推荐系统或图学习实操经历的人，这个组值得邮件确认名额后认真准备。品牌认知度不如NUS，但方向匹配度和工业界资源可能更实用。
