博士项目的资格考核结构
香港科技大学计算机科学与工程系对博士资格考试给出了非常具体的训练要求。全日制博士生需要在入学后的前 18 个月内通过资格考试，最多有两次机会。考试并不是一次单纯的课程笔试，而是围绕学生拟开展的研究领域完成系统性的文献综述，并接受公开口试。对申请者来说，这意味着“入学之后再慢慢找方向”并不是最稳妥的准备方式，申请阶段就应开始建立自己的文献地图和问题意识。
现行指南要求书面 survey 通常约 25 页，公开口试通常约 30 分钟。其目的不是检查你能否背出若干论文结论，而是看你是否理解一个研究子领域的发展脉络、关键方法、不同技术路线的优缺点，以及哪些问题仍值得继续研究。指南还特别强调，综述不应该是剪贴式的结果列表，而要把研究发现组织成统一框架，让非该细分方向的计算机教师也能够跟上论证。
导师的招生要求与研究训练
Shing-Chi Cheung 是香港科技大学计算机科学与工程系讲席教授，目前公开招收投入度高的博士生。他列出的主题包括软件测试与分析、软件安全、面向人工智能的软件工程以及人工智能辅助的软件工程。更关键的是，他把候选人的基础能力写得很明确：需要扎实的 Java 和 C++ 编程能力，并理解软件工程、测试、编译器、算法、并发以及数据挖掘或机器学习；有开源项目参与经历尤其有帮助。
这些要求与资格考核的训练目标其实很一致。前者要求你能真正进入软件系统做实验，后者要求你能把一个研究方向的文献和问题结构讲清楚。因此，最适合准备的项目不是“做一个界面、接一个模型 API”就结束，而是带有清楚研究问题、可重复实验、基线比较和错误分析的工作。比如你做测试生成，就需要说明缺陷是什么、测试目标如何定义、基线怎么选、生成结果如何评价，而不是只展示几个成功案例。
第一年的文献与实验能力建设
如果把资格考倒推成第一年的训练计划，前几个月最需要完成的是两条线并行：一条是读文献，把领域从宽到窄分层；另一条是动手复现，确认自己真正理解关键方法。文献阅读可以按问题、数据、方法、假设和评估指标建立表格，而不是按论文顺序做摘要。复现则应保留环境、版本、数据处理和失败记录，逐渐形成可以被导师和同组同学复核的实验习惯。
到研究方向逐渐收窄时，应该能回答三个问题：这个子领域最核心的研究对象是什么，现有方法在哪些条件下表现不稳定，自己准备先验证哪一个限制。如果这些问题还回答不出来，写几十页综述也很容易变成材料堆积。相反，只要问题边界清楚，书面 survey、公开口试和后续 thesis proposal 就会成为同一条训练链，而不是几次互不相关的考试。
申请材料与实验室要求的对应关系
申请 Shing-Chi Cheung 的团队，CV 可以优先展示能证明软件研究能力的内容：长期维护的代码项目、编译或程序分析课程项目、软件测试与安全实验、开源贡献、科研助理经历，以及能够说明个人贡献的论文或技术报告。对于团队明确提出的 Java、C++ 和开源经历，不必用“熟练掌握”四个字概括，最好写清楚项目规模、你负责的模块、测试方式和实际结果。
研究陈述则应避免把“软件工程 + 大模型”写成过宽的口号。更有效的结构是选一个具体软件工程任务，解释现有自动化方法的失败模式，再说明你准备怎样建立数据、基线和评估。即使最后的博士课题发生变化，这种写法仍然能证明你理解研究工作的基本节奏：提出可检验问题、设计实验、解释结果、再根据证据修正假设。
从训练节奏看，最容易被低估的是“把实验做成证据”的能力。软件工程研究经常面对不稳定基线、依赖版本、数据泄漏、评价指标偏差和人工判断标准不一致等问题。申请阶段就可以开始养成研究日志：记录数据来源、环境配置、失败设置和每次修改理由。这样做看起来不如模型结果醒目，却能直接帮助你在入学后应对资格考和后续论文研究，因为你需要解释的不只是最终结果，还包括为什么这个实验足以支持你的结论。
Shing-Chi Cheung 的学生与毕业生页面也能看到团队长期围绕软件测试、代码分析和智能软件工程培养博士，部分毕业生进入大型科技公司或继续做研究。这种去向不能简单当作个人结果保证，但能帮助申请者理解训练类型：如果你希望博士阶段既保持基础研究能力，又积累大规模软件系统的实验经验，这类团队会比只强调应用交付的项目更匹配。申请前应把自己的长期目标和训练方式对齐，而不是只看研究题目是否热门。
博士训练与长期能力形成
这套培养机制对申请者最有价值的地方，是它把“会做项目”和“会做研究”区分得很清楚。资格考试要求系统理解文献，导师招生要求又强调编程与实验基础，两者合在一起，实际上是在筛选能够把软件系统问题转化为研究问题的人。准备时不必追求材料看起来覆盖所有热门方向，而应让每一段经历都能回答：你理解了什么问题、做了什么验证、结果改变了你什么判断。这样的材料也更接近真正博士训练的工作方式。
