香港科技大学（广州）的段凌杰教授已公开招募2026及2027年入学的博士、研究型硕士与研究助理。对于考虑智能系统研究的申请者，这条信息的价值在于把导师的研究主题、基本能力期待与博士资助口径放在同一份公开说明中。团队所说的招募属于实验室层面的候选遴选，取得正式录取仍须遵循大学的学位申请程序。
博士岗位与资助结构
段凌杰教授负责A2E实验室，英文名称为Edge AI, Edge and Agentic Economics Laboratory。招募页面列明，港科大（广州）对获录取博士生提供每月人民币15,000元的奖学金待遇。学校的研究生院政策亦规定，符合条件的全日制博士研究生助学金最高可覆盖四年；这两项表述说明的是学生助学金制度和获录取后的安排，不能理解为仅凭导师表示兴趣就获得资助。
学校另行收取学费。研究生院列示有助学金的全日制研究学位项目2026/27学年学费为每年人民币40,000元，而2027/28学年及之后入学的相应学费为每年人民币60,000元。津贴与学费都用人民币标示，制定读博预算时应把每月现金流和每年学费支出分开，并核查住宿等费用是否另外计算。
单看每月津贴容易产生过高预期。奖学金持续领取通常与学生身份、学业进展和研究任务有关；若计划四年完成学位，应查看个人录取文件和资助条款中的实际支付期间、续发标准及条件，而不能只摘录官网的最高年限。实验室曾描述与国际研究团队、企业伙伴共同开展研究以及学术会议交流的机会，但交流或实习也不等于所有入组学生都必然拥有相同安排。
导师研究与博士工作方式
A2E实验室关注人工智能基础理论与机器人、物联网和计算机网络之间的联系，尤其涉及分布式学习、多智能体自主系统、算法博弈与网络经济学。所谓多智能体问题，不是把多个模型简单拼在一起，而是研究多个决策主体同时行动时，通信、资源分配和个体目标如何影响系统的整体结果。学生可能需要从数学模型出发，构造可检验的假设，再通过算法实现和仿真实验解释系统性能。
该团队强调理论基础和编程能力并重。申请者若有计算机、电子工程、运筹优化、自动控制、数学统计或经济学经历，可以把自己的训练与导师题目对应起来。来自其他领域的人也有可能具备相关能力，但跨专业申请不能只写“对人工智能感兴趣”，而应具体说明掌握过哪些优化、概率推断、实验设计或数据分析方法。
博士日常通常会在研读论文、推导问题、编码验证和反复讨论之间切换。相比只展示一次比赛名次，更可核实的科研能力是讲清楚自己如何发现基线方法的不足，如何设置公平对比，以及出现负面结果时如何修改研究假设。团队页面的背景要求也体现了这一逻辑：学生需要较扎实的理论训练，同时能把设想落实为实际程序。
申请资格与材料对应关系
该招募页面列出的基础申请材料包括学术简历、成绩单、专业排名和可能已有的论文成果。简历应突出最相关的研究工作，例如多智能体协调、通信网络、优化问题或数据驱动控制；课程清单可以精简，但项目贡献不宜模糊。对合作项目，建议区分自己负责的建模、代码、实验还是结果分析，避免把整个团队成果写成个人贡献。
研究说明可以选择一项与实验室议题接近的工作做深度解析：背景是什么，拟解决的矛盾是什么，已有方法在哪类设置中表现不足，自己能提出什么可验证的变化。研究计划不必伪装已经确定博士课题，合理的技术路线和对失败情形的认识往往比夸张的目标更可信。
正式申请仍需经过研究生院系统。在准备阶段还要特别核对学位资格、语言要求、是否需要研究型硕士背景以及项目所属学域。导师可以判断研究匹配程度，大学则负责最终的入学资格与奖学金审批。把两条程序分清楚，才能避免只准备个人研究陈述却遗漏行政材料。
研究经历如何转化为申请证据
一份适合该实验室的经历说明，最好包含明确问题、可复现方法、对照试验和结论边界。若做过网络优化，可以展示变量、约束及复杂度；若做过机器学习，可以交代数据拆分、评价指标及测试环境；若做过机器人系统，则应解释控制闭环和实机或仿真验证。没有论文并不等于没有科研潜力，但必须提供具体可验证的工作记录。
对于主要来自经济学或运筹学的申请者，重点应放在形式化建模与计算实验之间的衔接；对于计算机背景的申请者，则应说明为何现有模型能正确表示现实中的策略互动，而不仅是提高一个测试指标。这样的材料能帮助导师判断候选人是否适合在理论与应用之间持续迭代。
港科大（广州）的项目结构、助学金和学费都能找到清楚的校方口径。申请者真正需要做的是将这些规则转换成个人可执行的准备事项，并把研究匹配证据做扎实，直到最终录取和资助文件给出明确承诺。
