马克斯·普朗克与苏黎世联邦理工学院学习系统中心博士岗位

项目概览

Max Planck ETH Center for Learning Systems（CLS）招募学习系统领域博士生。每名学员由苏黎世联邦理工学院的一位导师，以及德国斯图加特或图宾根的马克斯·普朗克智能系统研究所、萨尔布吕肯的马克斯·普朗克信息学研究所，或图宾根 ELLIS Institute 的一位导师共同指导。

学员按研究兴趣和导师匹配选择主要工作地点，并须在另一地点完成为期12个月的交流。所有学员均在苏黎世联邦理工学院注册博士，完成后取得该校博士学位。职位提供全额资助，项目工作语言为英语。

所有申请材料须在2026年11月2日23:59（CET）前提交。进入长名单者须另交2至5分钟研究视频；短名单者将获邀参加2027年3月1日至2日在图宾根举行的选拔研讨会。

项目详情

这个联合培养计划将瑞士和德国的研究团队连接起来。共同指导不是偶尔访问：博士生有一个主要地点，还必须在另一地点进行整整12个月的交流。主要地点取决于本人兴趣和研究匹配。博士注册及学位授予由苏黎世联邦理工学院负责，德方导师或图宾根 ELLIS Institute 的 PI、组长与瑞方教授共同提供研究指导。项目未限定统一论文题目，强调学习系统及相关方向的基础研究。

可考虑的研究主题很广，包括 AI for Science、AI 安全、仿生机器人、生物力学、因果推断、计算生物学、计算机图形学、计算机视觉、控制系统、深度学习、数字人、地球观测、教育技术、高效 AI、可解释 AI、触觉、人机交互、人机机器人交互、成像技术、机器学习、医学信息学、医疗机器人、自然语言处理、神经信息学、优化、物理 AI、概率模型、强化学习、机器人、安全与隐私、智能材料、社会问题、软体机器人、统计学习理论和可视分析。申请者应根据具体导师及课题组方向缩小研究问题，不能把这一总目录理解为每个组都提供所有主题。

本轮列出的苏黎世研究者包括 Andreas Krause、April Wang、Benjamin Grewe、Celestine Mendler-Dünner、Christian Holz、Daniel Razansky、Florian Dörfler、Gunnar Rätsch、Julia Vogt、Konrad Schindler、Marc Pollefeys、Menna El-Assady、Mrinmaya Sachan、Niao He、Quentin Boehler、Robert Katzschmann、Siddhartha Mishra、Siyu Tang 和 Stelian Coros。德国侧列出 Alberto Comoretto、Antonia Georgopoulou、Antonio Orvieto、Bernt Schiele、Bernhard Schölkopf、Buse Aktaş、Chelsea Rose Sidrane、Christian Theobalt、Jakob Macke、Jonas Geiping、Kashyap Chitta、Katherine Kuchenbecker、Konstantin Rusch、Maksym Andriushchenko、Maximilian Dax、Moritz Hardt、Philipp Müller、Rediet Abebe、Renate Sachse、Sahar Abdelnabi 和 Shiwei Liu。其中 Andreas Krause、April Wang、Christian Holz 与 Antonio Orvieto 标有星号，只可担任一年交流期间的联合导师。

该计划的核心资源是跨机构共同指导与交流机会。招聘内容没有说明每个方向的具体实验设施、计算资源、研究经费额度，或交流期间费用的支付细则。项目称奖学金全额资助，但未列明月度金额和学费处理方式。

对申请者来说，研究题目与导师组合需要同时适应两地培养安排。这个计划把为期一年的异地交流写为必修安排，申请研究计划时需要考虑工作在两处团队间如何衔接。德国合作方跨斯图加特、萨尔布吕肯和图宾根，具体德方机构与主要工作地点取决于最终匹配，不能仅从总招聘标题确定个人将在哪一座城市工作。带星号的研究者只参与交流期间的联合指导，不能把他们误当作整个博士阶段的常规主导师。

主题清单同时覆盖基础方法、视觉与语言、机器人和人机交互、生物医学及社会问题，体现联合中心的广泛范围，但招聘内容没有为每一方向指定具体空缺数量。博士生应把自己的基础研究兴趣与某组导师的方向对齐。全额资助及苏黎世联邦理工学院学位是明确条件；资助的币种、额度、薪酬结构、瑞士与德国两地住宿和往返费用仍需核对。长名单研究视频与短名单图宾根研讨会是分阶段选拔要求，不意味着所有按时提交者都会收到邀请。

申请要点

• 学位与兴趣：须已取得或预计取得相关专业的优秀硕士学位，并对学习系统相关领域的基础研究有强烈兴趣。

• 语言：英语书面和口语能力良好。项目工作语言为英语。

• 地点与学位：主要地点依兴趣和匹配而定，需在另一地点交流12个月；博士在苏黎世联邦理工学院注册，顺利完成后由该校授予学位。

• 资助：全额资助；具体金额、聘用形式、跨国交流的费用安排未列明。

• 截止：全部申请材料须于2026年11月2日23:59（CET）前完成提交。进入长名单后还须提交2至5分钟研究视频；短名单候选人将在2027年3月1日至2日前往图宾根参加 CLS2027 选拔研讨会。

• 提交方式与材料：通过在线申请入口办理；招聘内容没有逐项列出首轮必备材料，须以申请入口的清单为准。

需要进一步确认

申请前应确认所选导师在本轮的可指导身份、主要工作地点和交流安排，以及全额资助的具体金额、跨国期间的合同与费用责任。

PhD 项目深度调研报告：PhD Positions - Max Planck ETH Center for Learning Systems (CLS)

申请判断

CLS 的独特价值在于 围绕一个基础研究问题，同时进入 ETH 与德国侧的两个实验室。 它没有预先统一分配的博士题目，申请的关键是提出足够具体的问题，并解释为什么需要这组导师和两地资源。博士学位由 ETH Zurich 授予，fellowship 全额资助，项目工作语言为英语；综合评价为“高度有吸引力的机会”。

这个计划更适合已经在机器学习、AI、机器人、计算机视觉、NLP、控制、计算生物学、AI 安全或相近定量方向有扎实研究准备的硕士申请者。主要工作地点由兴趣和匹配结果决定， 必须在另一地点交流 12 个月。 地点稳定、家庭安排和跨国手续因而需要与研究匹配一起考虑。

2027 入学轮次截止：2026 年 11 月 2 日 23:59 CET，包含全部申请材料和推荐信。 目前没有公开具体薪资、雇主、税务/保险及交流生活费支持。当前最有用的下一步，是先筛选本轮可指导的导师组合，再确认推荐人和提交时间；进入长名单后进一步核对培养安排，接受 offer 前问清两地合同和费用责任。

研究课题与两地培养

如何收束研究问题

最可信的研究切入点需要明确导师组合，并解释为什么两边资源都必要。例如，关注 LLM reasoning 的申请者可以连接 ETH 的 NLP/evaluation 工作和 MPI 的 causal inference；robot-learning 申请者可以连接 ETH 的 active learning/control 与 MPI/ELLIS 的 physical AI 或 haptics；computer vision 申请者可以连接 ETH 3D vision 与 Saarbruecken 或 Tuebingen 的 perception groups。

研究范围

这里的博士工作由研究问题和导师匹配共同确定。申请者需要说明两边研究如何衔接；公开招聘没有列出每个方向的空缺数量，也未给出统一的实验设施、算力或经费额度，不能把总主题目录理解为每个组都提供所有研究。下表整理公开主题及可讨论的研究切入点，供缩小方向使用，并非岗位或导师空缺表。

可比较的研究方向	公开主题与研究内容	准备时可优先对照的证据
基础学习方法与可信 AI	机器学习与 empirical inference、深度学习、概率模型、优化、统计学习理论、因果推断、高效 AI、可解释 AI、AI safety、responsible AI、安全与隐私	理论或严谨实证工作、LLM 鲁棒推理评估、causal representation learning
视觉、语言与交互	计算机视觉、计算机图形学、NLP、数字人、可视分析、人机交互、教育技术、多模态 foundation models	面向 embodied agents 的 3D vision、complex-environment perception、模型评估、可复现代码与 benchmark
机器人与物理系统	robot learning、physical AI、bio-inspired robotics 与软体机器人、生物力学、control／robust control、perception-action cycles、触觉、人机机器人交互、智能材料	robot policies 的 active data acquisition、safe and adaptive control、soft 或 biohybrid robotics、硬件或系统实验
生物医学、科学与社会应用	AI for science、计算生物学、神经信息学与 neurotechnology、成像技术、医学信息学、医疗机器人、地球观测、AI society 与社会问题	medical imaging AI、相关科学问题，以及 fairness/accountability 的分析

表中准备证据来自研究分析，属于方向选择建议，不能代替各组的具体录取要求。

Learning systems 当前势头较强，上表覆盖其前沿方法与应用范围。研究价值要结合具体问题和实验室判断。

职业与市场前景

外部就业市场证据也支持这个方向的职业价值。World Economic Forum 将 AI and machine learning specialists、big data specialists 和 software/application developers 列为增长较快的角色。OECD 的 AI skills 工作强调，AI 采用会改变工作方式，并提升对高层次技能和训练的需求。McKinsey 的 technology trends outlook 将 AI、agentic AI 和 robotics 列为重要技术趋势，同时也提醒实际落地仍有挑战。

学术和工业研究路径都比较强。潜在去向包括 AI labs 的 research scientist、robotics and autonomous systems、computer vision/spatial AI、NLP/foundation-model evaluation、AI safety、bio-AI、computational health，以及 faculty 或 postdoctoral 路线。ETH 和 Max Planck 的品牌在国际上有较强识别度。

需要注意的是，市场越来越不奖励泛泛的 AI 技能叙述。申请者需要展示真正的研究能力：理论基础、严谨实证、可复现代码、系统构建能力、相关方向的硬件或机器人实验，以及清楚解释方法局限的能力。

学校、学科与培养

ETH Zurich 是该领域非常强的学位授予机构。官方招聘说明写明，所有 CLS fellows 都注册为 ETH Zurich 博士生，顺利完成后由 ETH 授予博士学位。项目环境也不只限于 ETH：CLS 是 ETH Zurich 与 Max Planck Society 的联合研究中心，现在还连接 ELLIS Institute Tuebingen 和部分 senior fellows。

排名证据进一步支持这个判断。ETH Department of Computer Science 报告 2026 年 QS Computer Science & Information Systems 排名第 10。Times Higher Education 将 ETH Zurich 列为 2026 年世界大学排名第 11、Computer Science 第 3。ShanghaiRanking 的 ETH 页面显示，该校在多个相关学科表现突出，包括 2026 年 Robotic Science & Engineering 第 3。

项目本身也有很强的研究环境信号。CLS 公开资料显示，中心有 60 多位 faculty 和约 40 名博士研究者，博士生可以参与 workshops、summer schools 和 internships。成员名单覆盖 machine learning、computer vision 和 robotics，并连接 ETH、MPI-IS、MPI for Informatics 与 ELLIS Institute Tuebingen 等机构。

地点优势也伴随复杂度。Zurich 是顶尖 AI 与工程研究中心；Tuebingen、Stuttgart 和 Saarbruecken 提供 Max Planck、ELLIS 以及计算机视觉/机器人方向的深度。实际申请时，不能只按 Zurich 一个城市理解这个博士项目，预算、住宿和签证都需要按跨地点培养来规划。

培养采用两地导师与实验室安排，主要地点随研究匹配确定，必须在另一地点交流12个月。

导师与实验室评估

导师研究方向

本轮连接 Zurich 与德国多机构团队，完整导师名册放在文末供核对。选择组合时先看可指导身份，再看研究互补性。

Andreas Krause、April Wang、Christian Holz 与 Antonio Orvieto 只可担任一年交流期间的 co-advisor。 这项身份限制会直接影响导师组合，名单本身不能证明任何研究者可担任 primary advisor。

代表性导师画像显示，项目的学术上限很高。Andreas Krause 领导 ETH 的 Learning & Adaptive Systems Group，担任 ETH AI Center 主席、Swiss Data Science Center 学术共同主任，同时是 Max Planck、ACM、IEEE 和 ELLIS Fellow。Bernhard Schoelkopf 领导 MPI-IS Department of Empirical Inference，是因果与基础机器学习方向的重要学者。Marc Pollefeys 是 ETH Computer Science 教授，也是 Microsoft Spatial AI Lab Zurich 主任，长期研究 3D vision、SLAM、robotics 和 spatial AI。Robert Katzschmann 创立 ETH Soft Robotics Lab，研究覆盖 soft robotics、biohybrid systems、musculoskeletal robotics、dynamic control 和 machine learning。

近期重要论文

近期论文展示了 CLS 持续的前沿输出，也说明不同方向需要怎样的研究准备。

MathGAP 是 Andreas Opedal、Haruki Shirakami、Bernhard Schoelkopf、Abulhair Saparov 和 Mrinmaya Sachan 的 ICLR 2025 论文，提出了一个用于评估 LLM 在任意复杂证明结构算术题上泛化能力的框架。它直接关联 LLM reasoning、evaluation、NLP、因果结构和 foundation model 鲁棒性评估。

Active Fine-Tuning of Multi-Task Policies 是 Marco Bagatella、Jonas Huebotter、Georg Martius 和 Andreas Krause 的 ICML 2025 论文，研究如何在示范数据有限的情况下，让 generalist robot policies 更有效适配新任务。它与 robot learning、active learning、数据采集和 embodied AI 方向关系紧密。

Learning coordinated badminton skills for legged manipulators 是 Yuntao Ma、Andrei Cramariuc、Farbod Farshidian 和 Marco Hutter 的 2025 年 Science Robotics 论文，展示了动态物理任务中感知、移动和手臂控制的协调。需要说明的是，Marco Hutter 并未出现在本轮 2027 call 的具体导师名单中，所以这篇论文更适合作为 ETH/CLS 生态证据，而不是他本轮可指导的证据。

CLS publication list 还显示了 2025 年在 medical microrobots、computer vision、LLM evaluation、optimization、RL、causal questions 和 clinical ML fairness 等方向的工作。这个广度很有价值，但申请时不要把方向写散。更有竞争力的申请通常要围绕一个较窄的研究问题，并能对应目标实验室的近期论文。

实验室、资源与合作环境

CLS 的实验室环境很丰富，因为它连接的是多机构网络，而不是单一实验室。它把 ETH departments、Max Planck departments 和 ELLIS Institute groups 放在同一个博士培养框架内。ETH AI Center 的材料也显示，ETH 还有覆盖 16 个 department 和外部合作方的大型 AI 生态。

这种结构的好处是资源互补：ETH 的工程和系统能力，MPI 的基础科学和计算机科学能力，ELLIS 的欧洲 AI 网络，都能为博士训练提供支撑。风险在于协调成本。申请者需要针对自己的导师组合，问清联合指导会议、里程碑、算力资源、差旅、博士委员会要求和交流时间表如何安排。

资助、申请与生活成本

正式截止时间为 2026 年 11 月 2 日 23:59 CET。申请需要在线表格、支持材料，包括学位证书和成绩单、动机信和 CV，还需要 2-3 封推荐信由推荐人直接通过系统提交。FAQ 明确说明推荐信截止时间很严格，逾期推荐信不会被接受。

从实际申请角度看，项目对国际申请者开放：官方 call 鼓励所有符合学术要求的人申请；FAQ 说明，因为 CLS fellows 注册为 ETH Zurich 博士生，所以必须具备 Master's-level qualification。只有本科学位者不符合 CLS 资格。项目要求优秀的书面和口头英语能力，但不强制 TOEFL 或 GRE；其他英语能力证据也可以使用。

招聘入口将岗位标为 100% 全职、固定期限，地点显示 Zurich；个人主要工作地点仍依研究匹配确定。资助已核实，细节尚未完全公开。官方 call 写明 fellowship fully funded。FAQ 说明 CLS 不提前公布薪资，因为薪资取决于初始地点、具体团队和交流地点，并且开始交流后会变化。ETH 薪资页面显示，博士生按 fixed-rate salary 支付；如果新入职博士生拿 scholarship，必须补足到最低标准薪资水平。德国侧 IMPRS-IS 信息可以作为 Max Planck 博士合同语境参考，但不是 CLS 的绑定薪资说明。

Zurich 的生活成本需要认真预算。ETH 建议按每年 CHF 20,000-26,000 估算平均学习和生活成本；其国际学生预算给出的年度总学习/生活成本约为 CHF 25,200-28,100，取决于 fee group。ETH accommodation guidance 显示，共用厨房和浴室的房间通常每月 CHF 800-1,000，小户型公寓更高，并明确 Zurich 住房昂贵且难找。CLS 说明不提供住房。

申请条件与准备

官方条件与研究背景

申请者须已取得或预计取得相关专业的优秀 Master's-level qualification，对学习系统基础研究有强烈兴趣，并具备良好的书面和口头英语。只有本科学位者不符合 CLS 资格；项目不强制 TOEFL 或 GRE，也可提供其他英语能力证据。

从研究方向的匹配看，computer science、machine learning、robotics、control、applied mathematics、electrical 或 mechanical engineering、computational biology、neuroscience、data science、computer vision、NLP、AI safety 及相关定量背景更容易与导师方向衔接。这是背景匹配判断，不能理解为只接受这些专业。

需要固定在单一城市、无法完成 12 个月交流、预计无法按要求时间取得硕士学位，或更想读授课型项目的申请者，应先评估这些条件。只有泛泛 AI 兴趣而缺少明确研究问题，也较难体现这个计划的匹配价值。

有帮助的经历与准备建议

高质量研究型硕士论文、论文或可信 preprint、扎实数学基础、高质量代码、机器人或系统 demo、benchmark 贡献、研究实习，以及与目标组近期论文相关的动机信，都可以说明研究成熟度。这些是可展示的证据，不是必须全部具备的清单。

准备时可把已有经历对应到两到三个可能的导师组合，再收束成一个连贯的研究 agenda，说明为什么 ETH 加 Max Planck/ELLIS 的结构对所提问题有帮助。优先阅读目标组 2024-2026 年的论文，确认推荐人，并准备成绩单和证书。

进入长名单者须提交 2-5 分钟研究视频； 短名单者将获邀参加 2027 年 3 月 1 日至 2 日在 Tuebingen 举行的 CLS2027 Selection Symposium。 这些是分阶段选拔要求，不代表所有提交者都会收到邀请。

FAQ 对 AI 工具的边界也应保留：它可以帮助改善语言清晰度、语法和风格，但不能生成申请者的原创想法、概念或实质贡献。

下一步与待核实问题

申请前：确定组合和提交安排

先围绕一个研究问题筛选导师组合，并尽早落实推荐人。申请前重点确认：

• 在线申请表中哪些研究者可作为 2027 轮次 primary advisor，哪些只承担交流指导？
• 目标组合的主要地点及 12 个月交流地点分别在哪里？
• 未预先定义统一课题时，动机信应怎样平衡拟研究方向与导师匹配？
• 若硕士论文答辩或最终证书接近入学时间才完成，项目如何处理？

长名单与面试：核对研究条件

• 两位 co-advisors 多久共同开会，跨 ETH 与德国侧机构的里程碑如何协调？
• 具体方向可用哪些计算、机器人、实验室、临床或数据资源？
• 受邀参加 Tuebingen 选拔研讨会的差旅是否报销？

接受 offer 前：落实两地合同与费用

• 每个地点的税前薪资（gross salary）、雇主、合同类型、税务与社会保险（social insurance）是什么？交流后如何调整？
• fellowship 是否覆盖 relocation、会议差旅、设备、签证费用及交流期间的住房空档？
• 非欧盟/中国申请者在具体实验室是否有额外签证时间、research-security 或 export-control 审查？

证据与来源

核心项目与申请

• Official project call
• Official application page
• Official 2027 call PDF
• Official 2027 call news
• CLS FAQs

项目环境与成员

• CLS homepage
• CLS members
• CLS research topics
• CLS participation
• CLS PhD students
• ETH AI Center fellowship programmes
• ETH AI Center faculty

排名、成本与薪资

• ETH Department of Computer Science rankings
• THE ETH Zurich profile
• ShanghaiRanking ETH Zurich profile
• ETH financial page
• ETH study and living costs PDF
• ETH accommodation guidance
• ETH salary page
• IMPRS-IS FAQ for German-side salary context

导师、实验室与论文

• Andreas Krause profile
• Bernhard Schoelkopf profile
• Marc Pollefeys profile
• Robert Katzschmann profile
• ETH LRE Lab
• CLS publications
• MathGAP ICLR 2025
• Active Fine-Tuning of Multi-Task Policies
• Science Robotics legged manipulation paper

领域与职业市场

• WEF Future of Jobs 2025 jobs outlook
• OECD Skills in the AI age
• McKinsey Technology Trends Outlook 2025

本轮导师名册

• 2027 轮次公开列出的 Zurich 侧研究者为 Andreas Krause、April Wang、Benjamin Grewe、Celestine Mendler-Dünner、Christian Holz、Daniel Razansky、Florian Dörfler、Gunnar Rätsch、Julia Vogt、Konrad Schindler、Marc Pollefeys、Menna El-Assady、Mrinmaya Sachan、Niao He、Quentin Boehler、Robert Katzschmann、Siddhartha Mishra、Siyu Tang 和 Stelian Coros。

• 德国侧为 Alberto Comoretto、Antonia Georgopoulou、Antonio Orvieto、Bernt Schiele、Bernhard Schölkopf、Buse Aktaş、Chelsea Rose Sidrane、Christian Theobalt、Jakob Macke、Jonas Geiping、Kashyap Chitta、Katherine Kuchenbecker、Konstantin Rusch、Maksym Andriushchenko、Maximilian Dax、Moritz Hardt、Philipp Müller、Rediet Abebe、Renate Sachse、Sahar Abdelnabi 和 Shiwei Liu，来自 MPI-IS、MPI for Informatics 与 ELLIS Institute Tuebingen。