博士生资助项目：Agentic AI 与智能自主系统

项目983 · City St George’s, University of London - Department of Computer Science · of Computer Science

所在国家或地区: 英国
申请截止日期: 2026-08-31（具体时刻请核对原始公告）
资助信息: 3 年期资助，覆盖学费，并提供每年 £23,805 的免税生活津贴，津贴按 UKRI 标准逐年递增。

申请工作台

保存项目，围绕当前机会准备申请。截止日期和资格请以原始公告为准。

项目介绍

项目概览

本项目是 City St George’s, University of London 计算机科学系的全额资助博士生项目，研究主题为 Agentic Artificial Intelligence，也就是能够进行推理、自主决策、任务编排和多智能体协作的新一代 AI 系统。

项目与产业界合作开展，依托一个活跃研究组，研究组方向包括 AI、区块链、联邦学习、信任框架和智能系统。

公开信息显示，项目面向英国、欧盟和国际学生，学制 3 年，覆盖学费并提供每年 £23,805 的免税生活津贴，且按 UKRI 标准逐年递增。

申请截止时间为 2026 年 8 月 31 日，预计开始时间为 2026 年 10 月 1 日。

项目详情

项目介绍将 Agentic AI 描述为下一代 AI 的重要方向，核心能力包括推理、自主决策、任务编排以及多智能体协作。公开说明进一步给出了四条具体研究方向：面向真实世界决策的自主多智能体系统；具备规划、工具使用和自我评估能力的 Agentic LLM；用于自我反思和自我改进的认知架构；以及面向推理、预测和知识整合的数据驱动智能体。项目还特别强调安全、透明、保护隐私的基于智能体的 AI 设计。

研究团队方面，申请者将与一个专注于 AI、区块链、联邦学习、信任框架和智能系统的活跃研究组一起工作，并且该资助项目与产业界合作。公开信息没有要求申请前必须先得到导师正式批准，这意味着符合条件的申请者可以直接提交材料，而不必先寻求个人同意。页面同时说明，这一学生资助项目为技术能力较强的候选人提供了参与前沿研究、并为可信、适应性强且可自我改进的 agentic systems 打基础的机会。换句话说，申请者不仅要关注模型效果，还要关注系统是否能够在复杂任务链中保持可解释性、稳定性和安全性；项目对工程实现、研究表达和团队协作的要求都比较高，也更看重能把方法落到真实任务中的能力。

申请要求集中在技术背景和研究潜力上。候选人应具备计算机科学或相关学科的 BEng 和 MEng 1 等或 2:1（或同等、或更高）学位，并表现出开展原创研究的能力。理想申请者需要扎实的 Python 基础，以及使用 TensorFlow 或 PyTorch 等深度学习框架的实践经验；如果具备自然语言处理背景，包括模型开发、微调或评估，会得到特别考虑。页面还明确偏好具有 AI、机器学习或 NLP 研究经验、在高水平会议或期刊发表过成果、成绩优秀、并且对 Agentic AI 研究具有强烈动机的申请者。

在申请材料方面，页面强调不需要研究计划，但申请者必须提交一份能够清楚体现背景、资格和经验如何与研究范围匹配的简历，并说明自己在 Conversational AI 方面的相关经验，例如语音 AI、聊天机器人、对话式智能体或类似技术。页面同时说明，没有 Conversational AI 经验的申请者不太可能被考虑。联系方式分为两类：学术咨询联系 sujit.biswas@citystgeorges.ac.uk，申请流程咨询联系 pgr.sst.enquire@citystgeorges.ac.uk。提交方式为通过页面上的申请按钮在线申请，且只有入围者会收到联系。

申请要点

学历背景：计算机科学或相关专业的 BEng 与 MEng 1 等/2:1（或同等、更高）学位；需具备原创研究能力。
技术要求：扎实的 Python；熟悉 TensorFlow 或 PyTorch；若有 NLP 模型开发、微调或评估经验会优先考虑。
优先背景：AI、机器学习、NLP 研究经验；高水平会议或期刊论文；相关课程成绩突出；对 Agentic AI 有强烈研究动机。
申请材料：无需研究计划，但必须提交简历，并清楚写明与研究范围的匹配度及 Conversational AI 相关经历。
申请时间：截止时间为 2026 年 8 月 31 日；项目预计 2026 年 10 月 1 日开始。
资助与待遇：3 年期资助，覆盖学费，并提供每年 £23,805 的免税津贴，按 UKRI 标准逐年上调。
申请范围：面向英国、欧盟和国际学生。
特别规则：申请前不需要导师正式批准；缺少 Conversational AI 经验者通常不占优势。

需要进一步确认

未明确说明是否还有额外的院系入学条件或语言证明要求。
未列出面试轮次、评分标准或是否需要补充推荐信。
页面未说明行业合作方的具体名称及其在项目中的分工。

核对原始项目信息

收录来源可能是学校或招聘平台；正式申请入口及最新要求请核对公告与下方报告中的官方来源。

项目深度调研报告

报告生成记录：2026-08-12。生成日期不代表招聘方确认项目仍开放。

资料更新记录：2026-08-12。申请前请再次核对原始公告。

PhD 项目深度调研报告：PhD Studentship: Agentic AI and Intelligent Autonomous Systems

执行结论

推荐标签：有吸引力，但需要核实匹配度。 这是一个面向 agentic AI、自治决策和可信智能系统的高潜力博士机会。最明确的优势包括：全额学费覆盖、面向伦敦博士生的 £23,805 免税生活津贴、对英国/EU/国际申请者开放、导师画像与 federated learning、privacy-preserving AI、cybersecurity、trust frameworks 和 Agentic AI 有较高相关性，以及计算机科学系具备 AI 与网络安全研究基础设施。

但这个机会仍需谨慎核实。公开证据没有说明具体产业合作方、确切研究组、共同导师、数据集或领域访问权限、知识产权规则，也没有把论文问题收窄到足以支撑一篇三年博士论文的程度。项目描述给出的主题包括 multi-agent systems、带规划和工具使用的 agentic LLMs、cognitive architectures、data-driven reasoning/forecasting agents，以及安全和隐私保护型 AI。它们彼此相关，但如果导师和合作方不尽早收敛范围，就很容易过宽。

整体上，这更适合被看作一个高潜力的应用型 AI systems studentship：资助条件有吸引力，方向处在高热度赛道，导师背景也存在合理匹配，但项目具体性仍是实质性验证点。

学校、项目与地点信号

City St George’s, University of London 是一所新近合并形成的机构，由 City, University of London 和 St George’s, University of London 于 2024 年 8 月 1 日合并而成。学校官方合并页面显示，其校区分布在伦敦的 Clerkenwell、Moorgate 和 Tooting，公开主地址为 Northampton Square merger page。

对本项目而言，更关键的学术归属是 Department of Computer Science。该系介绍自己在英国计算领域具有长期积累，目前在 artificial intelligence、machine learning、data presentation、gaming、software reliability 和 cybersecurity 等方向开展研究和教学 Department of Computer Science。Computer Science PhD/MPhil 页面把 Artificial Intelligence and Machine Learning 列为研究兴趣之一，并说明 PGR 学生将接受结构化的指导与训练 Computer Science PhD/MPhil。

排名信号属于稳健而非顶尖。Times Higher Education 将 City St George’s 列为 2026 年世界大学排名 301-350 位，Computer Science 2026 为 401-500 位 THE ranking profile。对学科更直接的证据来自旧 City 的 REF 2021 Computer Science and Informatics 结果：整体 profile 中 32% 为 4*、62% 为 3*，且提交了 100% 符合条件的教职员工 REF 2021 results。由于 REF 数据早于并校，它更适合被视为旧 City 的学科研究质量证据，而不是并校后的完整整体评价。

从实际培养条件看，项目信号强于综合排名。该系设有 Artificial Intelligence Research Centre，学校也有 Doctoral College 训练环境；School of Science & Technology 的 doctoral studentships 页面还提到 Hyperion 高性能计算和相关实验室/设施 Artificial Intelligence Research Centre School of Science & Technology doctoral studentships。伦敦市中心位置可能有助于产业合作，但也意味着更高的生活成本压力。

导师与实验室评估

导师研究方向

公开列出的学术联系人是 Dr Sujit Biswas。其官方简介显示，他是 Department of Computer Science 的 Senior Lecturer in Cybersecurity，同时担任 Cybersecurity 项目的 Programme Co-Director。简介列出的研究兴趣包括 blockchain、cybersecurity、FinTech、federated learning、privacy-preserving AI、Agentic AI 以及可扩展 IoT systems，重点强调安全、可信和去中心化的数字基础设施 Dr Sujit Biswas profile。

这一导师画像与项目对安全、透明和隐私保护的表述有较高一致性。但对纯 LLM-agent 研究而言，这仍然更多是间接支持，因此项目需要进一步澄清：论文核心会落在 conversational-agent systems、privacy-preserving multi-agent coordination、secure tool use、federated agent learning，还是 trustworthy autonomous-system architecture？

近期重要论文

近期论文记录支持导师在“可信/自治系统”方向上的匹配度。

A Big Data Federated Learning-based Traffic Optimization Routing Scheme for Emergency Services Provision in Autonomous Vehicles Environment。这篇 ICC 2025 论文由 Biswas 共同署名，提出一种面向自动驾驶车辆场景应急服务的 federated-learning 路径优化方法，把智能决策、资源约束和自治系统连接起来 FL/autonomous vehicles paper。
AI-Enabled Adversarial Attacks Resistant Post-Quantum Secure Authentication Protocol for Consumer Applications。这篇 2026 年 IEEE Transactions on Consumer Electronics 论文由 Biswas 共同署名，讨论对抗攻击、后量子认证和面向消费级/IoT 场景的 AI-enabled 设备认证 post-quantum/adversarial authentication paper。
Enhancing privacy-preserving brain tumor classification with adaptive reputation-aware federated learning and homomorphic encryption。这篇 2025 年 PeerJ Computer Science 论文由 Biswas 共同署名，采用 adaptive reputation-aware federated learning 和 CKKS homomorphic encryption 实现隐私保护分类 privacy-preserving FL paper。
From trust to augmentation: A comprehensive survey on synergistic integration of decentralized and generative intelligence。这篇 2026 年 Computer Science Review 综述由 Biswas 共同署名，把 decentralized trust、privacy-preserving middleware、协同学习和 generative intelligence 联系在一起 decentralized/generative intelligence survey。

这些论文共同支持导师在 secure、decentralized 和 privacy-preserving AI systems 方面的适配度。但它们本身并不能证明该 studentship 一定会聚焦前沿 LLM-agent benchmark 或形式化规划，这一点仍需单独确认。

实验室、资源与合作环境

公开项目描述称，博士生将与一个专注于 AI、blockchain、federated learning、trust frameworks 和 intelligent systems 的活跃团队合作，而且该 studentship 带有产业合作性质。学校官方页面能够支持系级 AI/网络安全资源，以及学校和 Doctoral College 层面的支持，但没有公开具体研究组成员、产业合作方、第二导师或专有资源清单。

这一点很关键，因为产业合作型 agentic AI 项目往往依赖合作方数据、内部软件环境、部署约束或知识产权审批。它们可能带来很强的应用价值，但也可能直接决定论文自由度和发表空间，因此需要在项目开始前弄清楚。

研究方向与领域前景

领域动向

Agentic AI 的前沿性在于，它把 LLM 系统从单轮文本生成推进到规划、工具使用、任务编排、多智能体协同、外部记忆、自我评估和自主行动。2025 年关于 LLM task planning 的综述把 planning 描述为在复杂环境中围绕行动序列展开的推理与决策 LLM task-planning survey。另一篇 2025 年开放获取综述则讨论 LLM agents 如何通过工具和 planning/reasoning workflow 扩展能力 LLM tool-learning survey。

项目对安全和隐私的强调也符合当前议题。NIST 的 Generative AI Profile for the AI Risk Management Framework 强调可信、负责任的全生命周期风险管理 NIST GenAI AI RMF profile。NIST/CAISI 在 2026 年发布的关于 securing AI agent systems 的征询意见说明，agent 是能够规划并自主执行现实世界动作的系统，而当模型输出与软件功能结合时会引入新的安全风险 NIST/CAISI AI agent systems security RFI。OWASP 的 agentic application guidance 则特别指出了 behavior hijacking、tool misuse 和 identity/privilege abuse 等风险 OWASP agentic application security guidance。

潜在研究切口

可行的论文切入点可能包括：

在安全约束下评估 agentic LLM 的 planning、tool use 和 self-checking。
研究多个任务智能体之间的隐私保护或联邦式协同。
为 agent identity、permissions、auditability 和 accountability 建立 trust framework。
构建结合 planning、retrieval、forecasting 和 human-in-the-loop 升级机制的 conversational agents。
面向需要与外部软件交互的行业工作流，研究安全的 autonomous decision-making。

最有说服力的切口，很可能是把导师在 secure/decentralized AI 上的背景与项目明确提到的 conversational AI 和 agentic LLM 要求结合起来。只做当前 LLM API 的演示会过浅；完全不考虑实现与评估，又很难符合这类应用型 studentship 的定位。

职业与市场前景

就业市场信号整体积极，但仍需保留条件。DSIT 的 AI Labour Market Survey 2025 旨在评估英国 AI 趋势、技能缺口和不断演化的行业需求 DSIT AI Labour Market Survey 2025。Skills England 的 2026 年度报告指出，AI 正在重塑技能要求，英国对 AI 增强/自动化的暴露度较高，而且与 AI 相关岗位的雇主要求变化很快 Skills England annual skills report 2026。World Economic Forum 的 Future of Jobs Report 也将 AI/ML specialists、big-data specialists、software developers 和 security-related roles 列为增长较快的职业群 WEF Future of Jobs Report 2025。

这说明该项目训练与 AI engineering、AI safety/evaluation、autonomous systems、privacy-preserving ML、cyber-trust infrastructure 以及研究岗位之间有较强相关性。真正被市场认可的，通常不是“接触过热门模型”本身，而是能否拿出严谨评估、安全实现和明确的领域判断。

资助、申请与生活成本

项目描述写明，该 studentship 为期三年，覆盖学费，并提供每年 £23,805 的免税生活津贴，且每年按 UKRI rate 上调。项目对 UK、EU 和国际学生开放，截止日期为 2026 年 8 月 31 日，预计开始时间为 2026 年 10 月 1 日。项目描述还写明，不需要 research proposal，也不需要提前获得正式导师批准；申请者需提交一份说明自身与项目范围匹配度以及 conversational AI 经验的 CV。

UKRI 2026/27 的 national minimum stipend 为 £21,805，fee level 为 £5,238 UKRI stipend guidance。项目广告中的津贴高出国家最低标准 £2,000，和伦敦加成的理解基本一致。Computer Science PhD/MPhil 页面列出的 2026/27 全日制国际学费为每年 £21,470，因此对国际申请者而言，学费全覆盖是非常实在的优势 Computer Science PhD/MPhil。

真正的约束在于伦敦生活成本。City 的 2026/27 住宿样例包括 Alliance House 每周 £248.76、共 51 周，Eleanor Rosa House standard en-suite 每周 £299.85、共 50 周，以及 iQ City 每周 £339.63、共 51 周 City accommodation costs。按此估算，年租金约在 £12,687 到 £17,321 之间。GOV.UK 给出的伦敦地区“离家居住学生”生活成本支持参考值为 2026/27 年 £14,135 GOV.UK student living-cost support。

£23,805 的免税津贴总体可行，但实际舒适度会明显受住宿选择影响。仍需核实的问题包括：是否提供签证/IHS 支持、研究差旅、电脑/设备、会议经费，以及产业合作方是否提供任何 top-up 或费用报销。

申请者匹配与准备

最适合的背景

这个项目最适合拥有计算机科学或紧密相关背景、并且能证明自己具备较强 Python、PyTorch 或 TensorFlow、NLP/conversational AI 和严谨实验能力的申请者。较强证据可以来自 LLM fine-tuning 或 evaluation、chatbot/voice assistant 项目、RAG/tool-use agents、多智能体编排、对话系统评估、privacy-preserving ML、federated learning、安全系统或 trustworthy AI engineering 经验。

公开描述对 NLP model development、fine-tuning 或 evaluation 给出特别强调，并明确写到，没有 conversational AI 经验的申请者通常不太可能被考虑。这意味着 conversational AI 相关证据在申请中非常关键，即便最终论文可能更偏安全、规划或隐私方向。

需要谨慎的情况

如果申请者的经验主要停留在 prompt 使用而非实现层面、缺少 conversational AI 项目证据、不熟悉系统工程与评估，或者希望在申请前先获得完全明确的论文题目，那么就需要谨慎。项目标题本身较宽，真正的难点在于把 broad agentic AI 主题收敛成一个范围可控、论证站得住脚的研究问题。

值得补强的技能与证据

有帮助的准备证据包括：

在 CV 中用简洁部分把过往项目明确映射到 agentic AI、NLP、Python、deep learning 和 conversational AI。
提供 GitHub 或作品集，展示 LLM evaluation、fine-tuning、RAG/tool-use、dialogue agents 或 autonomous workflow systems。
提供研究写作证据，如 thesis、preprint、publication、technical report 或可复现实验记录。
展示对安全/隐私问题的理解，如 threat models、access control、adversarial robustness、federated learning 或 responsible AI evaluation。
清楚说明为什么安全、透明和隐私保护型 agentic systems 的价值不只是模型准确率。

City 的 general entry-requirements 页面说明，申请会综合学术成绩、相关经历和动机进行评估，而满足最低要求并不保证录取 general entry-requirements。因此，项目专属 CV 需要把相关性写得足够直接，不能只依赖学位名称。

风险与待核实问题

高优先级问题

产业合作方是谁，具体会提供什么资源或约束？
Dr Sujit Biswas 是否会担任 primary supervisor，co-supervisors 分别是谁？
论文核心最终会落在哪个方向：conversational agents、agentic LLM planning/tool use、multi-agent systems、privacy-preserving AI、trust frameworks，还是 autonomous decision systems？
将提供哪些数据集、算力资源、软件环境和评估 benchmark？
是否存在 IP、保密、发表审查或合作方驻场要求？
该 studentship 是否覆盖国际学生三年的全部学费，签证/IHS、设备、研究差旅和会议费用是否也支持？
该项目是否需要 ATAS，国际申请者需要提供何种英语成绩材料？

中优先级问题

理论、原型工程、benchmark evaluation 和产业部署之间的预期比例是多少？
导师团队目前有多少 PhD 学生和 postdoc，meeting cadence 如何？
项目是否预期使用 proprietary LLM APIs、open-weight models、学校算力，还是合作方系统？
三年资助期内预期完成哪些里程碑？
录取学生能否发布开源代码、数据集或 evaluation harness？

证据与来源