2月6日，香港中文大学宣布正式成立致真交叉数学科学院，致力于培育数学科学领域的顶尖人才，清华大学求真书院院长丘成桐将担任首任院长。
学院成立初期每年招收40人，其中包括30名非本地生。关注香港中学大学的考生和家长一起来看。
学院主要为学生提供数学培训，也会邀请世界各地顶尖学者参与教学和研究工作。研究领域包括基础及应用数学、物理、计算机科学、人工智能、大数据处理等。学院希望成为国际公认的世界级数学科学教育与研究中心，为引领数学科学的发展贡献力量。
据介绍，致真交叉数学科学院提供8年制课程，其中包括3年数学基础训练、两年科研训练以及3年博士训练。学生完成课程和相关毕业要求后，可获颁授中大学士和博士学位。
学院首批学生将于2025至2026学年入学，学院成立初期每年收生40人，包括10名香港本地生和30名非本地生。学生须通过学院和清华大学求真书院共同举办的入学试。学院也会录取通过入学预备要求，但没有参加香港中学文凭考试或全国高考等考试的资优生。
香港中文大学2025年招生章程已经公布，了解香港中文大学2025年本科招生
欢迎扫码咨询
丘成桐简介
丘成桐，1949年4月出生于广东汕头，1966年考入香港中文大学数学系，本科三年获得学士学位，1969年赴美国伯克利分校攻读博士学位、师从著名微分几何学家陈省身。现任哈佛大学数学系和物理系终身教授，清华大学数学科学中心主任、北京雁栖湖应用数学研究院院长。
丘成桐是美国科学院院士、美国艺术与科学院院士，中国科学院外籍院士美国top30名校留学，俄罗斯科学院外籍院士。他先后获得菲尔兹奖（ Medal)、麦克阿瑟奖（ ）、克拉福德奖（ Prize）、沃尔夫奖（Wolf Prize）、马塞尔·格罗斯曼奖（ ）。
丘成桐在工程学的各个分支做出了很重要的贡献，这些学科包括控制论，图论（应用到社会科学），数据分析，人工智能和三维图像处理，发表了几十篇重要的论文，多次被工程学大会邀请做重要演讲和大会报告。
丘成桐直接培养指导的博士超过70名，亦培养了同样数目的博士后开展科研工作，他培养的博士生和博士后中已有一批青年学者，已经成为世界和中国数学界的核心成员和骨干力量。美国总统克林顿1998年时在白宫颁发总统奖给包括他和当今最伟大的生物学家沃森（James ）在内的十位学者。丘成桐在2008-2012年担任哈佛大学数学系主任。2013年，哈佛大学鉴于数学科学和应用的重要性香港中文大学数学，香港中文大学成立致真交叉数学科学院！丘成桐担任首任院长！，成立了哈佛大学“数学科学及应用中心”，丘成桐任第一届主任至今。该中心主要开展以大数据、统计、图像处理、人工智能、生物统计、物理学和数学交叉等方面的研究香港中文大学数学，受到国际学术界的肯定和欢迎。
香港中文大学人文，多所高校，成立重磅新学院！预计9月招生！
2025年以来
随着的“出圈”
人工智能相关专业又掀起新的热度
近期
有3所高校纷纷成立人工智能学院
↓↓↓
中国人民大学
2月9日，中国人民大学与苏州市人民政府签署深化合作协议，揭牌中国人民大学苏州人工智能学院和苏州人工智能实验室。据悉，苏州人工智能学院是人大继2019年的高瓴人工智能学院之后，成立的第二家人工智能学院。
中国人民大学苏州人工智能学院、苏州人工智能实验室将积极服务国家重大战略，聚焦技术应用与赋能区域经济，与注重理论创新与人文交叉的中关村校区高瓴人工智能学院在建设定位、学科发展、科研方向和区域服务上形成错位发展格局。
以“产品牵引、服务牵引、贡献牵引”为原则，以重大原始创新为目标，加快建设人工智能新兴学科、智慧治理交叉学科，努力构建政府、产业、学术、研究和应用一体化的平台，为培育发展新质生产力提供有力支撑。
广西大学
2月24日，广西大学人工智能学院揭牌成立，计划今年9月招收首批40名本科生。
据介绍，广西大学人工智能学院主要包括智能科学与技术、计算机科学与技术、信息与通信工程等三个主要研究方向，以多学科交叉融合为特色，按照打造“人工智能+”研究创新基地、学科深度交叉融合的人才培养示范基地、西南地区人工智能产业科技成果转化基地和中国—东盟人工智能交流中心“三基地一中心”的建设目标。
紧密对接国家和区域人工智能发展战略，全面统筹校内外、跨学科、跨领域、跨部门优势资源和力量QS200名校留学，为广西和国家人工智能产业创新发展提供支持，推动区域经济高质量发展。
该人工智能学院将成立由企业高管、技术专家组成的理事会，从课程设计到毕业设计全程参与香港中文大学人文，并实行校内外双导师制，企业导师将直接指导本科生毕业设计，实现“入学即对接产业需求”。
香港中文大学（深圳）
2月13日，香港中文大学（深圳）人工智能学院成立仪式在大学冼为坚国际会议中心隆重举行。
据悉，香港中文大学（深圳）人工智能学院计划于2025年9月招收首批学生，拟开设人工智能本科专业及人工智能哲学硕士－博士项目。学院依托深圳经济特区的产业优势，充分发挥港中大（深圳）的国际化办学特色，致力于打造跨学科、创新型的国际一流教学与科研平台。
学院将为学生提供坚实的理论基础与广泛的实践机会，重点培养其在计算机科学、数学、统计学和认知科学等领域的核心能力，同时鼓励学生突破传统学科界限，将人工智能技术应用于基础科学、医学、机器人、金融、商务、管理及社会等多个领域，推动技术创新与产业融合。
除此之外
在去年
清华大学、北京林业大学、上海交通大学
武汉大学、电子科技大学等“双一流”高校
也揭牌人工智能学院
加快相关人才培养
人工智能专业由于其良好的发展前景
而广受考生青睐
这个专业到底学什么？
一起来看
学习内容
人工智能专业一般会开设数学基础课程（微积分、线性代数、数理统计等）和计算机基础课程（数据结构、程序设计基础等），在此基础上也会开设专业课加深人工智能专业理论和技术学习（深度学习、机器学习等）。
这一专业与计算机专业联系紧密，但与计算机科学与技术课程体系更偏向计算机底层操作系统和编译原理不同，人工智能专业更看重交叉学科的应用和与人相关的交互行为，对数学基础要求较高。
人工智能专业学习面很广。要学好该专业，首先要具有良好的数理功底。人工智能领域面对的问题千变万化，需要将复杂问题、抽象问题转化为数学问题，导致所涉及的数学工具较多。另外，掌握计算机编程语言是人工智能专业必备的本领，如果对计算机不感兴趣，那这个专业也许不会适合你。
就业前景
人工智能工程技术人员是指从事与人工智能相关算法、深度学习等相关的多种技术的分析、研究、开发，并对人工智能系统进行设计、优化、运维、管理和应用的工程技术人员。人工智能专业就业方向有科学研究、工程开发、计算机方向、软件工程、应用数学、电气自动化通信、机械制造等。
近年来，中国人工智能发展迅速香港中文大学人文，多所高校，成立重磅新学院！预计9月招生！，国家也高度重视人工智能领域的发展。此前，人力资源和社会保障部发布了《新职业——人工智能工程技术人员就业景气现状分析报告》，显示我国人工智能人才目前缺口超过500万。
随着人工智能的持续火爆，越来越多求职者的求职方向转为人工智能相关岗位，特别是偏基础层面的岗位。以算法工程师为例，供应增幅超过100%。从薪酬来看，人工智能的就业薪资目前处于各个行业薪资水平前列。据智联招聘2024年发布的《中国企业招聘薪酬报告》数据显示，在企业招聘薪酬前20名的职业中，人工智能工程师连续两个季度位居榜首。
香港中文大学计算机系，科研速递 | 理工学院王方鑫教授团队在网络领域顶会ACM SIGCOMM上发表文章
近日，香港中文大学（深圳）理工学院/未来智联网络研究院王方鑫教授团队在计算机网络领域最顶级会议之一的ACM 上发表题为“: Large for ”的文章。
会议介绍
是ACM组织在通信网络领域历史最为悠久也最为权威的学术会议之一，审稿质量极其严格，旨在引领计算机网络通信领域未来的研究方向香港中文大学计算机系，是计算机网络方向唯二收录的顶会之一，被中国计算机学会（CCF）推荐为A类国际学术会议。ACM 2024共投稿366篇，其中62篇被接受，录稿率仅为16.9%。
研究背景
随着深度学习（DL）的快速发展，如今许多网络任务（例如带宽预测、码率自适应传输等）都采用DL技术来解决复杂的系统预测与优化问题。然而，当前DL算法的设计理念存在两大局限性：一是需要为不同的网络任务人工构建深度神经网络（DNN），导致工程开销增大；二是DNN在泛化能力上的不足，使其在遭遇未知数据分布或环境时，难以保持最佳性能。因此，探寻一种更为灵活、可扩展的算法设计理念，对于推动DL技术在网络领域的广泛应用与持续发展显得尤为迫切。
研究方法
图1 架构图
受到大型语言模型（LLM）的启发，作者首次研究了LLM在网络领域的垂直化应用，以探索一种更加灵活可扩展的网络算法设计理念。LLM凭借海量的预训练知识和强大的推理能力，有望成为网络领域的基座模型，实现“一个模型完成所有任务”，减少模型设计开销同时增强泛化性能。为此，作者提出了框架，实现LLM向网络领域的迁移与适配。图1展示了的架构美国top30名校留学，其主要包含三个核心模块，以解决不同的挑战。
图2 与不同任务领域的SOTA方法的性能对比
为验证的有效性，作者选取了三个与网络领域紧密相关的任务：视角预测（VP）、码率自适应传输（ABR）与集群作业调度（CJS）。作者以-7B为基座模型，基于对-7B进行领域迁移，适配到上述三个网络任务，并与相应任务领域的SOTA方法进行性能对比。主要实验结果如图2所示。可以看到，在所有任务上的性能持续超越了所有的方法，在VP、ABR、CJS任务上带来的平均性能提升分别达到10.1-36.6%、14.5-36.6%、6.8-41.3%。这些结果不仅表明在LLM网络领域适配上的有效性，同时也展示了在的支持下，LLM确实可以作为基座模型高效地完成各种网络任务。
图3 与不同任务领域的SOTA方法的泛化性能对比（部分结果）
图3进一步比较了与其他方法在面临未知数据分布或环境时的泛化性能表现。可以看到，在所有任务上的性能依旧超越所有SOTA方法。这意味着在的支持下，LLM相较传统方法确实展现出更强大的泛化能力。
图4 选用不同LLM作为基座模型时， 在VP、ABR任务上的性能表现
先前实验均以作为LLM基座模型。为进一步探究是否可以用于不同的LLM，作者以VP、ABR任务为例，额外选取OPT-7B、-7B、LLaVA-7B作为基座模型，将其性能与SOTA方法进行对比。如图4所示，无论采用哪种LLM作为基座，的性能均能够超越SOTA。这一结果充分表明，的有效性并不局限于特定的LLM，而是具有广泛的适用性。
研究结论
作者首次探索了利用LLM作为基座模型解决不同的网络任务，从而减少网络算法设计的开销并进一步提高性能表现。为此，作者提出了，是首个实现LLM网络领域适配的框架。通过三个典型的网络任务作为案例，作者展示了在LLM网络领域适配的有效性，并揭示了LLM在网络领域的巨大潜力。
作者简介
本文第一作者为吴铎，香港中文大学（深圳）理工学院2022级硕士研究生，本科毕业于暨南大学。研究兴趣主要聚焦于计算机网络、深度学习和大语言模型相关领域。目前以第一作者在JCR-Q1/CCF-A类核心期刊和会议上发表了多篇论文。
本文第二作者为王贤达，香港中文大学（深圳）理工学院2023级硕士研究生。目前主要从事大模型微调，模型融合，边缘计算，联邦学习等领域相关研究。
本文第三作者为乔雅琦，香港中文大学（深圳）2021级本科生。目前研究方向主要为大模型的网络应用、边缘计算和联邦学习。
本文通讯作者王方鑫博士现为香港中文大学（深圳）理工学院助理教授、博士生导师。他分别于北京邮电大学、清华大学、加拿大Simon 获得学士、硕士、博士学位，随后于加拿大 of 从事博士后研究。他的研究兴趣包括多媒体网络与系统、云边端协同计算、深度学习、大模型与边缘智能等。他在IEEE 、ACM 、IEEE VR、IEEE/ACM on 、IEEE on 、IEEE of 、IEEE on and 等国际顶级期刊会议上发表论文50余篇，近5年来论文总引用数次数超1100余次。他担任JCR一区期刊 on 编委，IEEE 2023大会程序委员会主席，以及多个学术会议的技术委员会委员、分会主席。他入选中国科协“青年托举人才”计划，入选斯坦福大学世界前2%科学家榜单。
本文合作作者崔曙光教授，加拿大皇家科学院、加拿大工程院双院院士，全球高被引学者，IEEE ，国家重点研发计划首席科学家，深圳市杰出人才培养计划首批入选人，深圳市决策咨询委员会成员。崔教授于2005年在美国斯坦福大学获得博士学位，先后在UC Davis等多所美国大学任教至讲座教授。2018年回国后曾担任香港中文大学（深圳）杰出校长讲座教授、理工学院执行院长、未来智联网络研究院院长、港中大（深圳）-京东集团人工智能联合实验室主任，广东省未来智联网络重点实验室主任。崔教授当前的科研成果主要集中在通信网络与AI技术的深度融合。他已在国际一流期刊和会议上发表了近400篇论文，曾担任多个IEEE国际会议的主席和程序委员会主席，IEEE旗舰期刊的编委和领域主编及指导委员会成员、主席，IEEE无线技术委员会的主席。他在2012年获得IEEE信号处理协会最佳论文奖，2013年当选IEEE ，2014年入选IEEE通信协会杰出讲师、汤森路透全球高被引科学家名单、全球最具影响力科学家名单。崔教授在2020至2022年还获得IEEE ICC最佳论文奖，IEEE ICIP最佳论文列表，IEEE 最佳论文奖，中国ICT创新应用奖香港中文大学计算机系，科研速递 | 理工学院王方鑫教授团队在网络领域顶会ACM SIGCOMM上发表文章，IEEE WCNC最佳论文奖，CCF 首个图形开源数据集奖，中国电子学会自然科学一等奖，中国通信学会技术发明一等奖。在2023年，崔教授获得IEEE马可尼最佳论文奖，并当选新一届IEEE on （CCF-A核心期刊）主编，是中国大陆工作的学者首次担任。
