想去西安交通大学读机器学习方向的博士，先认清你能从哪扇门进。西交的博士有三条路：推免直博、硕博连读、普通招考的“申请—考核”。2027年的推免章程里，直博生计划招750人，推免报名9月1日到14日，已经结束。
外校硕士能走的是普通招考。2026级的报名时间是2025年11月4日到18日，学校官方账号发布的招生章程里写得清清楚楚。2027级的章程，截至2026年11月11日我没有在研招网上查到原文，官方没发之前我不替它报日期，如果节奏和上一轮一样，窗口就落在11月中下旬。
这是我最想提醒你的一个坑：别等章程出来才动手准备材料。
机器学习挂在数学学院，这件事先想明白
很多人在西交找机器学习导师，第一反应是去计算机学院、人工智能学院。孟德宇教授却在数学与统计学院，团队依托大数据算法与分析技术国家工程实验室，他是实验室机器学习教研室的负责人。
这意味着你报考的专业会落在数学或统计学下面。学院2018年公布的博士招生目录里，他名下的方向写在“数学”之下，名字就叫机器学习；统计学之下也有一个机器学习方向，由张讲社、孟德宇、孙建永、薛江几位老师共同指导。新一年的目录以研招网公布为准。
你可能会问：毕业拿理学博士，找工作吃亏吗？我的理解是，做机器学习方法的人，学位门类没那么要紧，论文和代码才是简历。真正要掂量的是考核环节，你面对的是数学学院的专家组，问题会更偏推导。
学制上，西交2026年面向港澳台地区招收研究生的章程写明，全日制博士生的学习年限一般为四年。学术学位研究生一般按硕博贯通模式培养，这是2027年推免章程里的原话。
钱：心里有底，但别算死
学费：西交2026级全日制博士每年1万元。
能写进标题的最高一档，是研究生国家奖学金，博士生每人每年3万元，竞争评定，名额分到学校。中央高校博士学业奖学金，从2025年起中央财政的支持标准是每人每年一万二，学校分档发放，最高一档不超过每年三万。
西交自己的博士奖助金额，2027级的文件我没有查到原文，推免章程只写了直博生享受博士奖助金，细节要去研究生院主页查。导师给的助研补助差别很大，面试时直接问，别不好意思开口。
我的建议是这样排：国家奖学金当成年底可能有的奖金，学业奖学金当成大概率有的补贴，导师补助才是决定你每月生活质量的那一项。
孟德宇在做什么，你合不合适
孟德宇是西安交通大学数学与统计学院教授、博士生导师。2012年到2014年他在卡内基梅隆大学机器人研究所做访问学者，2017年晋升教授，现任IEEE模式分析与机器智能汇刊的副主编。中国运筹学会2025年的一份研讨班文件介绍他是长江学者、国家“万人计划”青年拔尖人才，并任中国工业与应用数学学会副理事长。
他主页上写的研究兴趣是元学习、可解释深度学习，以及机器学习、计算机视觉与人工智能的基础问题。我挑一项最能代表他思路的工作来讲。
先把元学习这个词翻译一下。普通的机器学习是学一个模型，元学习是学“怎么学”：学习率怎么调，样本怎么挑，损失函数怎么设，这些本来要靠人反复试的设置，交给一个更高层的学习过程去决定。打个比方，普通学习像学生做题，元学习像学生在总结自己该怎么复习。
2019年的神经信息处理系统大会上，他和团队发表了元权重网络。它要解决的问题很常见：训练数据里有错标签，或者某些类别的样本特别少，模型要么被错标签带偏，要么学不会少数类。
老办法是给样本重新加权，权重怎么定却要靠人来设计。麻烦在于两派做法正好相反：一派认为损失大的样本是难例，应该加大权重；自步学习一派认为损失大的样本可能是噪声，应该先放一放。手里的数据属于哪种情况，事先往往不知道。
他们的做法是别替数据做主。用一个很小的网络去学“损失到权重”的映射，再拿一小份干净的元数据来校准这个映射，两层优化交替进行。数据里噪声多，学出来的映射会自动压低大损失样本的权重；类别不平衡时，又会自动抬高少数类。
这项工作把“权重函数怎么设”这件原本靠经验拍板的事，交给了学习过程本身。他在报告里把元学习概括为解决机器学习方法论自动化构建与设置的瓶颈，元权重网络正是一个很具体的例子。
这条线往前，有他早年给自步学习找公理化解释的工作；往后，有参数化卷积和旋转等变卷积，处理的是普通卷积核没法灵活变形的局限。
日常大概是推公式、写代码、跑实验三件事轮着来。顶会论文要求方法新、理论站得住、实验能复现，任何一项偷懒，审稿意见都会指出来。
背景上，数学、统计、计算机都有人走通。数学出身的人推导顺手，常常在工程实现上吃亏；计算机出身的人正好倒过来，要在第一年补优化和概率。他在主页上写得很直接：欢迎数学基础和编程基础都好的同学，报考前先发邮件附上简历。
自测方法：把元权重网络论文的算法部分读完，自己用一个人为加了噪声标签的小数据集复现一遍，比较加权前后的测试精度。两个周末能跑通，说明你基本够格。
具体步骤可以这样排：先拿一个公开的小型图像分类数据集，随机把一部分标签改错；再训练一个不加权的基线模型，记下测试精度；然后加上加权网络，用一小份没改过标签的数据做元数据，看精度能回升多少。过程中你会碰到双层优化的梯度怎么算这个坎，迈过去了，读他组里的其他论文会顺很多。
研究计划别写“我想做元学习”。可以在他的框架里问得具体些：元数据本身也有噪声怎么办？加权映射能不能随训练阶段变化？到了大模型微调里，样本加权还有没有用武之地？
这三个问题可以再往下挖一层。拿第一个来说，你可以设计一组实验：让元数据里也混进不同比例的错标签，看学到的加权映射在什么比例下开始失效，再想办法让映射对元数据的噪声更稳。这样写出来的研究计划，导师一眼就能看出你读过论文，也动过手。
研究计划的篇幅不用长，三到五页足够。结构可以是：你观察到的现象，现有方法为什么处理不好，你打算怎么改，用什么数据和指标验证。每一部分都落到元权重网络或者自步学习这条线上，别写成一份机器学习综述。
最后一句实话
跟孟德宇读博，你拿到的是数学学院的门牌、机器学习方法的硬功夫，这笔交换对想做方法的人很划算，对只想调用现成模型的人不划算。
名额的事放在信里问，按他主页说的，先发简历。
