课题组公开信息和推断
Hao Zhang自2023年起担任加州大学圣地亚哥分校助理教授，个人主页明确写着正在招收新的博士生。计算机科学与工程系说明，所有新入学博士生首年都会获得月津贴、全额费用和非居民学费支持。导师页面没有写2027年具体名额，也没有承诺后续每年使用同一种资金来源。
他负责Hao AI Lab，并同时与数据科学和计算机科学与工程相关单位任职。团队公开成员中已有多名博士生。2025年的Google Junior Faculty Award还附带10万美元赠款，可用于后续研究。资源已经出现，但新组的流程仍可能继续调整。
判断这类新导师不能只看项目热度。要看组内是否已有学生、是否有可用计算资源、以及首年支持怎样衔接后续GSR或奖学金。前三项都有公开线索，个人工作分配仍要在面试中问清。
新组已经有学生和设备，不代表每个研究方向都具备相同资源。不同项目需要的显卡、数据和工程支持差别很大。申请者要把自己的问题对应到一套具体资源，而不是笼统询问实验室算力是否充足。
新组／招生信号
最直接的招生信号来自导师主页，而不是二手列表。页面明确写着招收新博士生，并列出当前团队成员。2023年建组后，团队已经形成多个持续开发的开源项目。
学校在2025年还向团队报道了一台NVIDIA DGX B200计算设备赠予。新计算资源能减少部分排队压力，但不能保证每个学生都有无限算力。博士生仍要学会估算成本、安排实验和保存中间结果。
新组通常需要学生一起建立代码审查、数据管理和实验排期。愿意参与这些基础工作的人，能更早影响团队标准。只希望接手已经固定的成熟课题，可能会觉得前期沟通和返工太多。
团队的开源项目还会带来外部用户。用户报告的错误能够形成研究问题，也会产生维护任务。博士生要确认修复和答疑是否计入组内工作，以及哪些改动可以发展成论文。
机会与风险
团队研究涉及大规模模型训练、推理和评估。博士生日常会读代码、运行分布式实验、追踪显存与延迟，再检查结果是否在不同硬件和数据条件下稳定。一次环境版本变化，就可能让基线无法复现。
资源机会来自真实系统和开源用户。项目被大量使用时，学生能看到真实故障，也要处理兼容性、文档和社区反馈。维护工作可能占用研究时间，需要确认哪些任务会形成论文主线。
风险主要是领域变化快。一个想法可能在几个月内被新的工具替代。学生要把问题写成更稳定的系统瓶颈，例如资源利用、可复现性或安全，而不是只围绕某个短期热门产品。
算力成本也会限制实验设计。完整训练一次可能消耗大量时间和预算。学生需要先用缩小模型或部分数据验证假设，再决定是否运行大规模实验。这样的顺序能减少无效消耗。
论文中的申请信号
阅读团队论文时，先看系统解决了哪一段瓶颈。若论文强调吞吐、延迟或内存，申请材料就要说明你怎样测量这些指标，以及为什么测试条件公平。
再看项目是否公开代码。开源仓库能够让申请者复现基础结果，也能暴露工程细节。可以在CV中放一个修复、扩展或复现实验，但要写清自己的贡献，不能把团队项目整体算成个人成果。
最后看失败案例。分布式系统常因网络、显卡、依赖或数据格式出错。研究计划若能说明如何定位瓶颈，并设计最小对照，会比堆叠模型名称更有说服力。
论文中的实验表格还会暴露团队标准。若每项结果都报告多种硬件和批量设置，申请者就要准备更细的性能记录。只给一个最佳数字，很难说明系统在真实条件下稳定。
邮件与面试问题
邮件第一段直接对应一个当前项目。说明你复现过哪类系统结果，遇到过什么瓶颈，再提出一个可以继续验证的问题。附件保留两页CV和一页项目说明即可。
面试时先问首年学生会进入哪个项目。再问计算资源怎样分配、代码由谁审查、每周讨论频率，以及维护任务和论文研究怎样区分。答案会决定你是否适合新组节奏。
还要问后续资助。学校保证的是首年支持包，未来多数学生通过导师GSR或奖学金获得支持。个人offer应写明当年的来源，导师也应说明项目资金如何覆盖后续阶段。
可以准备一个简短的复现说明。写清环境、运行命令、资源消耗和与原结果的差异。即使没有得到相同数字，完整的排查过程也能证明你会处理系统研究。
学校资助／项目奖学金
加州大学圣地亚哥分校计算机科学与工程系为所有新入学博士生提供首年月津贴、全额费用和非居民学费支持。TA、GSR和奖学金通常也覆盖费用和学费，并包含研究生健康保险相关费用。
后续年份多数学生依靠导师的GSR岗位或奖学金。博士项目还要求至少一个季度担任TA。国际生担任TA前可能需要通过英语能力认证，这部分时间应放进学业计划。
这项机会值得看，因为导师公开招生、团队已有学生、资源和持续项目。更适合的人愿意维护真实系统、参与建立组内流程，并能在快速变化的工具之外保留一个稳定研究问题。
首年支持包解决的是入学后的起点。第二年以后，导师项目、GSR岗位和奖学金会成为主要来源。收到offer后要看每年续期条件，也要问项目资金发生变化时由谁承担学费和津贴。
