机器学习与优化联合博士岗位

项目概览

瑞典皇家理工学院招收1名机器学习与优化博士生，联合新加坡南洋理工大学培养并授予共同博士学位。

学生在瑞典院校注册，必须至少在南洋理工大学开展12个月研究；这项跨国驻留是本岗位必要条件。

100%全职，主工作城市Stockholm，按学校博士薪酬协议支付，开始日期协商。

2026年10月22日截止，编号PA-2026-3210，导师包括Aristides Gionis、Sebastian Dalleiger及Kelly Ke Yiping。

项目详情

学生将开发新算法与有依据的方法，形式化理论基础，并通过实验评价。研究范围较宽，可能涵盖算法知识发现、图挖掘与社会网络分析、机器学习优化、表示学习，以及公平、负责和透明的机器学习。介绍使用可能范围，不能将所有方向认定为已经分配的固定课题。

本岗位通向瑞典皇家理工学院与新加坡南洋理工大学共同博士学位，至少12个月新加坡研究停留是明确要求，不是可选短访。申请者必须能承诺这一安排，具体阶段、交通、住宿和额外资金未逐项说明。

申请者应已获得或即将获得计算机科学、机器学习、人工智能、数据科学或相关领域硕士，有优秀成绩或相关项目证明学术能力。需对算法设计、机器学习、数学优化、学习理论中一项或多项有良好知识，并具备实现算法和评价性能的编程技能。

瑞典方面导师为Aristides Gionis教授与Sebastian Dalleiger，新加坡导师为Kelly Ke Yiping。各导师职责、联合论文要求与两校注册细则需进一步确认。研究采用算法、理论与实验相结合的路线，但没有指定具体语言、数据集或论文形式。

申请信最多2页，需提交简历、相关证明和代表论文或技术报告。岗位2026年10月1日发布，1个名额。通用雇佣段另外列licentiate目标的2年规则，但此岗位目标为共同博士学位，适用细则须按正式培养安排确认。

只有获博士研究生录取者可受聘为博士生，博士雇佣总时长不得超过相当于4年全日制博士教育的期限。初次合同最长1年，之后可每次最多续约2年。博士雇员可在有限范围内承担教学或行政等任务，最多20%。工资按学校博士薪酬协议按月支付，并享有雇员福利；具体档位与金额需核对岗位条件。

算法评价将结合理论依据与实际实验结果。

学校强调性别平等、多样性与同等机会，作为大学及公共机构的基本价值。

申请要点

• 一般学历资格：高级阶段学位，或至少240学分其中60学分在高级阶段，或在瑞典国内外以其他方式获得基本等效知识；具体学历证明须由大学评估。

• 英语：必须满足相当于瑞典Engelska B／6的英语要求，具体可接受考试及等效路径未在介绍中列出。

• 申请渠道：大学招聘系统，申请人负责确保提交时完整。提供此前大学学位、成绩及语言证明，文件非英语或瑞典语时须附相应翻译；学位等原件副本需认证。

• 材料：相关专业经历与技能的简历、说明博士动机、学术兴趣及其与既有学习和未来目标联系的申请信，代表论文或技术报告；较长文件可附摘要及全文链接。

• 选拔：评价独立推进工作、协作、专业态度和处理复杂问题的能力，满足资格后也高度重视个人特质。

• 截止规则：须在截止日CET／CEST时区午夜前送达大学系统；不要用中国本地午夜代替官方时区。

• 条件性审查：学校说明某些职位可能被定为安全级别，若本岗位属于此类，需经同意后按瑞典安全保护法2018:585审查，通过才可聘用；并未明确本岗位一定已被分类。

需要进一步确认

应核对学历和英语等效、完整招聘入口、薪酬档位、税务与保险、博士录取和聘用时间，以及教学行政工作实际比例。最多4年全日制等效的雇佣规则不能替代每段合同的实际年限或保证无条件续约。具体研究工作、设备和指导安排也应在联系导师时确认。

岗位联系人员为Aristides Gionis；Sebastian Dalleiger；Kelly Ke Yiping；有效咨询邮箱为argioni@kth.se。截止日期2026年10月22日，岗位编号PA-2026-3210。

机器学习与优化联合博士研究报告

申请判断

评估标签：研究条件较强，需核对课题与培养安排。

KTH－南洋理工大学（NTU）联合博士适合希望研究算法机器学习的申请者。官方岗位在2026年10月11日核验时开放，编号PA-2026-3210，斯德哥尔摩1个全职名额，2026年10月22日截止。联合学位是明确要求：成功申请者注册KTH，并须在新加坡NTU停留至少12个月。NTU联合博士页也确认KTH为合作院校并说明合作校最低驻留要求。 KTH vacancy；NTU Joint PhD Programmes。

学校、课题与导师方向较一致。KTH工程技术背景较强，Aristides Gionis和Sebastian Dalleiger属于理论计算机科学及WASP／Digital Futures网络，Kelly Ke提供NTU图学习及应用机器学习经验。公开资料未说明首年问题、导师分工或新加坡一年资助细节。

研究方向与领域前景

可考虑的研究切入点

可能方向包括有限更新下图优化、公平排名与负责任图算法、社交观点建模、图／网络表征学习及机器学习流程优化。公开岗位把它们列为研究范围示例，不能假设每一方向都同等可选，具体论文方向应与导师确认。 KTH vacancy。

领域发展

岗位范围较广，包括算法知识发现、图挖掘、社交网络、机器学习优化、表征学习，以及公平、可问责、透明机器学习。近期图优化、公平排名及带符号社交网络论文支持这些方向。领域活跃且竞争强，NeurIPS、ICML、ICLR、KDD等要求技术创新及严谨实证。 KTH vacancy；Springer DMKD；arXiv；OpenReview PDF。

职业与就业前景

相关岗位需求增长较快，但就业结果仍取决于研究成果与技术能力。WEF将AI和机器学习、大数据及软件／应用开发列为增长较快岗位；BLS 2026分析预期AI／IT相关职业，包括计算机信息研究科学家，增长较强。可通向学术机器学习／挖掘、产业研究、图机器学习、算法工程、推荐搜索及负责任AI，价值依赖论文、代码质量与理论／应用取向。 WEF jobs outlook；BLS AI/IT employment。

学校、学科与培养

KTH适合这一工程技术方向，QS 2026全球第78名，THE 2026并列第98名。学校公布THE 2026工程第40名、计算机科学第66名，与EECS计算机博士相关，排名总览提供整体背景。 QS profile；THE profile；KTH subject-ranking news；KTH ranking overview。

这是正式KTH－NTU联合学位：岗位中KTH为雇主及录取机构，NTU为新加坡伙伴。NTU称联合博士为全日制，学生同时注册两校，并在合作院校完成最低驻留期；页面列瑞典KTH合作覆盖全部学院，协议有效至2027年5月27日。联合培养提供了跨校研究机会，也需要提前安排两国的学籍、居留和生活预算。 NTU Joint PhD Programmes。

导师与实验室评估

导师研究方向

Aristides Gionis是KTH主要学术支撑，学校简介列其为理论计算机科学教授及WASP教授，研究算法、数据挖掘、图挖掘与社交网络。Digital Futures还列他为战略研究委员会成员、Learn工作组主席及数据驱动网络社会项目主要导师，匹配岗位算法知识发现、图挖掘、优化及公平、可问责、透明机器学习。 KTH profile: Aristides Gionis；Digital Futures: Aristides Gionis。

Sebastian Dalleiger为较新的KTH导师，理论计算机科学助理教授，2025年获WASP Fellowship，亦为Digital Futures Trust工作组成员。DBLP记录近期机器学习、图／块模型工作，包括AAAI 2025发表。 KTH profile: Sebastian Dalleiger；Digital Futures: Sebastian Dalleiger；DBLP: Sebastian Dalleiger。

Kelly Ke提供NTU合作联系，学校介绍她为副教授，研究数据挖掘、AI、图学习、图分析和图挖掘。Research Hub列机器学习工具在工程、神经科学、教育、生物及环境可持续的应用；Yiping Ke的DBLP记录ICLR 2025及图学习等近期论文。 NTU Women in Tech profile；NTU Research Hub: Kelly Ke；DBLP: Yiping Ke。

近期重要论文

Gionis合著“Optirefine: densest subgraphs and maximum cuts with k refinements”提出用有限修改改善既有图解的框架，应用稠密子图及最大割变体，与图挖掘和优化高度相关。 Springer DMKD。

“Fairness-aware PageRank via Edge Reweighting”在保留图拓扑的同时调整转移概率，实现公平性相关链接分析，连接图算法与负责任机器学习。 arXiv。

“Discovering Opinion Intervals from Conflicts in Signed Graphs”研究从带符号社交网络冲突中提取可解释观点表征，支持算法知识发现与社交网络方向。 OpenReview PDF。

NTU方面，Yiping Ke合著ICLR 2025的“Text4Seg: Reimagining Image Segmentation as Text Generation”，体现结构表征及现代机器学习研究活跃度。它与KTH岗位相邻，但不能视为完全相同主题。 ICLR 2025 abstract。

实验室资源与合作环境

资源主要来自KTH理论计算机科学、WASP、Digital Futures及NTU CCDS／SCSE联系。Gionis简介列当前团队，Dalleiger页面确认助理教授及WASP Fellow，NTU页提供正式流动框架。日常导师、跨时区会议、算力，以及NTU一年是否对应特定团队或研究里程碑均未公开。 KTH profile: Aristides Gionis；KTH profile: Sebastian Dalleiger；NTU Joint PhD Programmes。

资助、申请与生活成本

这是斯德哥尔摩的1个全职博士雇员岗位，工作比例100%，按KTH博士工资协议支付月薪。一般博士介绍仍显示旧金额；2026年10月11日重新核对的工资协议专页显示，当前四档全职税前月薪为33,700、34,700、36,700及38,500瑞典克朗，括号内为旧金额。专页称新的晋级制度于2026年10月1日生效，但金额表下另写2025年10月1日，日期表述有冲突，需要向HR确认适用档位和生效时间。上述金额只能作为税前预算参考，也不代表新加坡驻留期间的工资或到手收入。 KTH岗位；KTH博士工资协议。

斯德哥尔摩需按租金及税后工资核算，学校2026学生预算可作参考。中国及非欧盟申请者需在录取／雇佣确认后安排瑞典博士居留及KTH非欧盟许可手续。 KTH cost of living；Swedish Migration Agency；KTH non-EU permits。

最需要确认的是NTU驻留一年的资金安排。至少12个月新加坡驻留已有官方证据，但KTH工资是否保持、交通是否报销、有无NTU住房及保险税务安排没有说明，直接影响生活费风险。 KTH vacancy；NTU Joint PhD Programmes。

申请背景与准备

较匹配的背景

较匹配的申请背景是计算机、机器学习、AI、数据科学、算法、数学优化、图／数据挖掘或应用数学的硕士层次准备。岗位要求已完成或即将完成相关硕士、较强学业表现、算法设计／机器学习／数学优化／学习理论知识及扎实编程；理论与实现结合的证据更有说服力。 KTH vacancy。

需要谨慎评估的情况

希望主要做AI产品工程、缺少编程或算法基础，或无法在新加坡至少停留12个月者，应谨慎评估。NTU驻留是本岗位明确要求。 KTH vacancy。

中国申请者原则可考虑，仍需逐项核定资格。KTH允许等同知识路径并要求English 6等同英语；中国硕士可能构成基础，但学位等效、英语证明、认证译本及居留材料须通过正式渠道确认。 KTH entry requirements；KTH non-EU permits。

可补强的技能与证据

可展示图算法、机器学习、优化、表征、数据挖掘、推荐搜索、社交网络或负责任AI的论文、预印本、技术报告及大型项目，辅以可复现实验代码。动机信需说明既有工作与联合培养的联系，以及完成两国博士路径的准备。

风险与待确认问题

优先确认的问题

1. 第一年谁承担主要日常指导？
2. 首年具体问题是什么，相对岗位宽泛介绍收窄到何种程度？
3. NTU期间KTH工资是否保持，交通、签证、保险或住房是否资助？
4. 联合学位如何记载于证书／成绩单，两校需满足哪些要求？
5. 12个月驻留何时进行，可否分多段？

后续确认的问题

1. 实際教学及院系职责多少？
2. 哪些英语考试或既有学位满足English 6／B？
3. 本岗位是否有安全分级审查？
4. 前两年可用哪些数据、算力及目标会议？
5. 若签证、资金或家庭原因延迟NTU驻留，如何处理？

证据与来源

主要官方、导师、论文、排名、就业及申请手续来源如下。 [KTH vacancy](https

• KTH doctoral entry requirements
• KTH doctoral studies and salary overview
• KTH cost of living
• KTH ranking overview
• NTU Joint PhD Programmes
• Aristides Gionis
• Sebastian Dalleiger
• Kelly Ke
• DBLP: Aristides Gionis
• DBLP: Sebastian Dalleiger
• DBLP: Yiping Ke
• QS
• THE
• WEF
• BLS
• KTH application entry
• KTH salary agreement
• Swedish Migration Agency doctoral-studies guidance
• KTH non-EU permit guidance
• KTH subject-ranking news
• Digital Futures: Gionis
• Digital Futures: Dalleiger
• NTU Women in Tech profile
• Optirefine
• Fairness-aware PageRank
• Discovering Opinion Intervals
• Text4Seg