香港浸会大学计算机科学博士的培养信息有一个很适合提前准备的节点：4年制PhD的资格考试安排在第13–18个月。Xin Huang教授目前公开招收PhD，同时担任研究型研究生项目协调人。把导师开放岗位和培养制度放在一起看，比只盯着“能不能拿到offer”更能判断博士阶段真正需要什么能力。
博士培养中的资格考试节点
计算机科学系把资格考试放在博士第二学年的第一学期，也就是第13–18个月。若第一次未通过，可以在第19–24个月再考。它不是简单的课程考试，而是用来判断学生是否具备对研究领域的整体理解、文献判断力和继续独立研究的准备程度。
这种安排会反向影响入学前的准备。刚进组时如果只追着一个具体工程任务做，很容易到资格考试阶段才发现自己对领域脉络掌握不足。更有效的做法是从入学初期就维护一份问题地图：哪些工作是核心方法，哪些结果互相冲突，哪些假设一直没有被认真检验。
书面综述与口试的能力要求
系里的公开规则要求书面部分是一份批判性综述，通常约20–30页，需要覆盖大量高度相关文献，并从中识别重要研究问题。重点不是把论文逐篇摘要，而是建立关系：哪些方法解决同一问题，评价条件有何差异，哪些结论只能在特定数据或假设下成立。
口试则包含25分钟陈述和35分钟问答。陈述要把综述压缩成清晰的研究地图，问答会进一步检验对文献和相关基础问题的理解。因此，平时读论文时记录“为什么采用这个设定”“替代方法会怎样”“结果失效的边界是什么”，比只保存结论更有用。
Xin Huang课题组的训练线索
Xin Huang现任计算机科学系教授，主页明确写有开放PhD岗位，并担任研究型研究生项目协调人。他的工作集中在大规模图数据管理、图挖掘和图学习。把这些方向翻译成博士日常，就是持续处理结构复杂的数据、设计可扩展方法、验证效率与准确性的权衡，并把理论判断落实到可复现的实验。
如果申请者来自数据库或数据挖掘背景，最有用的证据是完整项目链：问题定义、数据结构、算法或系统设计、复杂度与实验、异常结果分析。若来自机器学习，则应补上图数据规模、查询效率、动态图变化或隐私约束等系统视角，让导师看到你不仅会训练模型，也会处理研究环境中的工程与理论限制。
资助与学习节奏的现实安排
香港浸会大学AY2026/27常规研究型研究生学生津贴为HK$19,310/月，学校常规全日制PhD采用4年制。对申请者而言，资助解决的是基本可执行性，而资格考试决定了前期学习节奏：第一阶段不能只完成导师交给的任务，还要主动建立对整个研究方向的阅读框架。
材料准备时可以提前模拟这种训练方式。研究计划不需要写成完整博士论文，但应给出一个足够窄的问题、相关方法脉络、你认为现有工作的不足，以及可以怎样验证。CV则优先放能证明你做过文献判断和研究迭代的经历。
从申请材料过渡到博士训练
好的申请材料和资格考试其实考察的是同一类能力：能不能把零散论文组织成问题结构，能不能从结果中识别边界，能不能提出下一步可验证的问题。申请阶段就按这个标准整理项目，会让个人陈述、研究计划和面试表达更一致。
因此，Xin Huang的开放岗位只是入口。更重要的是，HKBU把博士前期的评价机制公开得很具体，申请者可以据此判断自己是否喜欢这种“读文献—形成问题—接受口头追问—再推进研究”的训练节奏，并在入学前就开始补齐相应能力。
从课程项目建立文献判断力
还没有正式论文的申请者，也可以用课程项目或毕业论文练习这种能力。不要只保留最终报告，而是重新整理研究日志：最初的假设是什么，读到哪类文献后改变了设计，哪组结果迫使你重做实验。这样做的目的不是把普通项目包装成论文，而是让自己形成对“证据怎样改变研究判断”的敏感度。
图数据研究尤其容易出现评价口径不一致的问题。同一个方法在不同数据规模、图结构或查询条件下可能表现完全不同。因此，材料里如果能主动说明适用边界、基线选择和计算代价，会比只展示最好结果更接近博士训练需要的批判性阅读和实验设计。
进入面试后，可以预先准备几类追问：为什么选择这篇基线、如果关键假设不成立怎么办、怎样证明改进来自方法本身而不是数据处理。能把这些问题回答清楚，通常也意味着你已经开始按照资格考试所要求的方式组织知识，而不是只记住论文结论。
如果发现自己的阅读面还不够广，可以先按问题而不是按作者建文献表，把方法、数据条件、评价指标和已知限制放在一起比较。这样进入博士后，无论换具体题目还是扩展实验，都更容易迅速找到研究在整个领域中的位置。
