HKUST(GZ) 潜在项目组全量尽调

HKUST(GZ) 潜在项目组全量尽调报告

快照时间：2026-08-12 07:29:29 CST（Asia/Shanghai） 决策对象：Pengyi 的 2027 PhD / RA / Research Collaboration 路线 证据边界：院校和教师事实优先使用 HKUST(GZ)、教师主页、论文与官方代码仓库； 招生名额、录取概率、指导质量和未来产出均不得由公开材料直接推出。 测量状态：本文的适配度、优先级和提案均为 UNMEASURED 决策判断，必须通过论文复现、 导师沟通和申请结果继续证伪。

0. 执行结论

0.1 总结

HKUST(GZ) 值得进入 PPHD 的 P0 申请池，但不能按“学校很 AI-native”进行泛化投递。 它真正适合 Pengyi 的，是四类可被证据化的研究路径：

1. Data Agent / Agent Evaluation：Yuyu Luo 的 DIAL 是目前整体匹配度最高的项目组。
2. AI for Finance / Quant：Chao Zhang 是金融问题、统计方法和市场实现成本最直接的接口。
3. Agent Memory / RAG / Reliable Reasoning：Menglin Yang 与 Zhijiang Guo 分别代表

memory/RAG 和可靠 Agent 评测两条方法路线。

1. Multi-agent Decision / FinTech：Sijia Chen 的主题高度匹配，但课题组成熟度、项目归属、

招生容量和指导记录仍需核验。

首轮只建议激活四位，不做全校群发：

0.2 最重要的选题修正

PPHD 原先的 Leakage-Safe Agentic Quant Research 方向与 DIAL 的 DeepFund 已发生明确 novelty collision。DeepFund 已经使用训练截止日期后的实时金融数据评价多 Agent 投资系统， 并把 look-ahead / pretraining contamination 作为核心问题。因此：

• 不能再把“避免 LLM 金融回测偷看未来”本身写成新贡献；
• 不能把“多个 Agent 做投资决策”本身写成新贡献；
• 新研究必须在 domain、failure model、reproducibility、economic objective 或 statistical

validity 中至少建立一个可证伪增量。

推荐的新主问题：

Failure-Aware, Replayable Point-in-Time Evaluation for Agentic FICC Research 面向利率债与信用债研究 Agent，构建具有 point-in-time 数据、来源谱系、工具故障注入、 可重放轨迹、交易成本、组合约束和跨市场状态统计检验的评测框架。

该方向仍为 UNMEASURED。在冻结一页 proposal 之前，必须先完成 DeepFund hostile review 和一个非 Agent 基线。

1. “全量”范围与方法

1.1 学校级扫描边界

HKUST(GZ) 官方架构由 Function、Information、Systems、Society 四个 Hub 组成；每个 Hub 下设若干 Thrust，当前总计 16 个。学校还要求研究型研究生至少由两位不同学科导师共同指导。 这给跨 AI、Data、FinTech、IoT 和 Systems 的课题提供了制度入口，但跨学科并不自动等于 指导资源充足或课题边界清晰。

本轮处理方式：

• 全校层面：扫描 4 Hub / 16 Thrust 的结构与潜在交叉点；
• 深度层面：覆盖 AI、DSA、FTEC、IoT 以及相邻 ML Systems / Database 组；
• 排除层面：与 Pengyi 当前 Agent、Quant/FICC、System Engineering 证据没有直接连接的

材料、生命科学、城市治理等组，不进入导师级深挖；

• 项目组定义：公开存在 Lab/PI/项目链的视为 project group；只有学域或研究中心名称的，

视为 institutional platform，不假定存在可直接加入的具体组。

1.2 评价维度

每组使用同一组问题扫描：

Research Problem
-> Methods / Papers
-> Open-source / Data / Benchmark
-> Recruiting Signal
-> Pengyi Existing Evidence
-> Evidence Gap
-> Bounded Entry Artifact
-> Supervisor / Funding / Novelty Risk

适配等级不是录取概率：

• P0：研究问题与现有证据直接相连，能在 2-4 周内产出目标化 artifact；
• P1：有明确方法连接，但需要补数学、系统或领域证据；
• P2：主题邻近，当前不应作为首轮申请；
• WATCH：公开信息不足或导师身份不适合作为 prime supervisor。

2. HKUST(GZ) 的可利用研究架构

2.1 Information Hub

Information Hub 包含 AI、DSA、IoT、CMA。AI 官方研究范围直接包含 AI Agents、可信/可解释 AI、图与复杂系统、ML Systems、AI4Science 和 AI in Finance；DSA 则更强调统计、逻辑、 算法、计算和数据处理。这是 Pengyi 当前 PAT、PRDT、Pcaml、PFICC 与开源 PR 证据最自然的 承载层。

2.2 Society Hub / Financial Technology

FTEC 同时容纳金融工程、统计、机器学习、资产定价、随机过程、衍生品、风险管理、文本挖掘、 图学习和 robo-advising。它不是“把 Agent 套到金融”这么窄，而是要求金融问题、识别策略、 经济目标和数学方法共同成立。

2.3 IoT 与 Systems

IoT 已公开设置 Agentic AI and Autonomous Systems 方向，包括任务分解、工具使用、适应、 多 Agent 协调、经济机制和去中心化系统管理。但公开项目和论文目前仍更偏网络、边缘计算、 自治系统与社会计算。除非 proposal 明确进入 distributed/edge/economic agents，否则它不是 首轮主申请方向。

Systems Hub 的机器人、交通、智能制造可成为 embodied 或 real-world Agent 的 domain， 但 Pengyi 当前没有机器人硬件、控制或 physical-world benchmark 证据，暂列 P2。

2.4 强制共同指导的机会与风险

可设计的组合包括：

• DIAL / DSA + Chao Zhang / FTEC：数据 Agent 与金融经济目标；
• Menglin Yang / AI + DIAL / DSA：RAG、memory 与 data workflow；
• Sijia Chen / FTEC + IoT：去中心化多 Agent 决策与经济机制；
• Zeyi Wen / DSA + DIAL：Agent workflow 与推理/执行性能。

但这些只是 proposal-level hypothesis。任何组合在导师明确确认之前均为 UNVERIFIED， 不可写成既定联合培养安排。

3. P0 项目组

3.1 Yuyu Luo / DIAL - Data Intelligence and Analytics Lab

官方定位：DSA Assistant Professor，DIAL 聚焦 DATA+AI，包括 foundation agents、data agents、AI for databases 与 data-centric AI。教师主页公开列出 OpenManus、DeepEye、 DeepFund、Alpha-SQL、AFlow、Supervisor-Skills 等项目，并公开长期招收 PhD、RA、访问学生。

关键项目链：

• DeepFund：NeurIPS 2025 Datasets and Benchmarks；实时金融数据、多 Agent、训练截止日期后

数据、ticker 分析、投资决策、组合与风险评价；

• DeepEye：SIGMOD Companion 2026；将 AgentNode 与 deterministic ToolNode 组合为可检查、

可干预的数据分析 workflow；

• Alpha-SQL：以 MCTS 组织 zero-shot Text-to-SQL；
• AFlow：自动搜索 Agent workflow；
• OpenManus：通用 foundation agent 工程生态。

Pengyi 匹配：

• 已有 PAT 的 RAG/Memory/Tool/Planning/Evaluation 分层；
• 已有 PPRT 的 LightRAG 和 Agent 项目 PR 证据；
• PFICC 可提供固收 point-in-time domain；
• PRDT 可提供 evidence graph、contradiction 与 hypothesis pipeline。

核心缺口：

• 还没有复现 DeepFund 的结果或数据协议；
• 没有冻结的 point-in-time FICC 数据集；
• 没有 failure injection、replay determinism 与 Agent-vs-non-Agent baseline；
• “拥有很多 Agent 项目”不等于学术 novelty。

最佳切入口：

1. 先 hostile review DeepFund 的 data timing、cost、baseline、seed、regime 与 failure model；
2. 复现一个最小 live/PIT 评价单元；
3. 对 DeepEye 或 DeepFund 提交一个边界清晰、测试覆盖的贡献；
4. 再写 Failure-Aware Agentic FICC Evaluation 一页研究卡。

结论：P0 / ACTIVATE。这是最强总匹配，但也是 novelty collision 最大的组。必须用 真实 reproduction/PR 区分“我们喜欢他们的项目”和“我们能扩展他们的研究”。

3.2 Chao Zhang / AI for Finance

官方定位：FTEC Assistant Professor，研究集中在 ML + Finance，包括 LLM、资产定价、 波动率、生成式 AI、图结构和 price impact。其页面公开招收 2027 PhD 和 full-time RA， 并要求候选人先阅读近期 working papers。

当前高相关问题：

• Trading Volume Alpha：预测股票成交量，并把交易实现成本和组合 tracking error 纳入目标；
• similarity-based covariance forecasting：筛选相似历史状态并构建可解释协方差预测；
• 资产定价、波动率、价格冲击与市场微观结构。

Pengyi 匹配：X2Strategy、microstructure、futures、PFICC、Python/C++ Quant Infra 可以成为 工程和领域 evidence；Agent 可以承担研究 workflow，但不能替代金融研究设计。

核心缺口：

• 尚无其 working paper 的公式级 review/reproduction；
• 尚无 transaction-cost-aware backtest 和 economic loss baseline；
• 数学统计、金融计量和微观结构证据需要比 Agent 展示更靠前。

最佳切入口：

1. 冻结三篇论文卡；
2. 做一个 volume/covariance 的小型 point-in-time baseline；
3. 报告 turnover、cost、capacity proxy 和 regime robustness；
4. Agent 只负责可复现 workflow、evidence trace 与实验管理。

结论：P0 / ACTIVATE。这是最强 pure quant 路线，也是检验 Pengyi 是否真能从 Agent 工程进入严肃金融研究的硬门槛。

3.3 Menglin Yang / DIGAI Lab

官方定位：AI Assistant Professor；研究覆盖 LLM pretraining/PEFT、RAG、Agent、 reasoning、IR/recommender、knowledge graph、hyperbolic/geometric learning 和 AI4Science。 教师页面公开招收 PhD、访问学生和 remote RA，并列出 2026 更新。

关键项目 / 论文：

• Tree-RAG / Psi-RAG：使用 hierarchical abstract tree 处理跨文档、多粒度检索；
• HeLa-Mem：面向 LLM Agent 的 associative / episodic-semantic memory；
• personalization、graph-LLM alignment 与 geometric representation。

Pengyi 匹配：PAT Memory、RAG registry、PRDT evidence graph、PPHD 长期 learning memory 都可形成直接 benchmark。

核心缺口：

• 当前 PAT memory/RAG 多为架构和 registry，缺冻结测试集和论文复现；
• 金融只是可能的 domain，不是该组公开核心方向；
• 招生页面的具体 intake 年份需要在发送前再次确认。

最佳切入口：复现 HeLa-Mem 或 Psi-RAG 的一个核心比较，使用公开跨文档任务评价 retrieval quality、answer correctness、latency、token 和 memory growth，再讨论 PPHD/PFICC 的迁移。

结论：P0 / ACTIVATE。最现实的低摩擦入口是 remote RA / reproduction，而不是先写 宏大的通用 memory OS proposal。

3.4 Zhijiang Guo / Reliable Agentic AI

官方定位：DSA Assistant Professor，研究 LLM 与 Agentic AI 的严谨推理、知识集成、 效率、泛化、可靠性和可扩展性；个人主页公开招收 MPhil/PhD。

关键研究信号：

• Uncertainty-Aware Clarification in LLM Agents with Information Gain：将澄清行为作为

信息增益问题，在工具调用任务上评价成功率与额外交互成本；

• Foundations of Language Agents 课程覆盖工具、RLVR 和 self-improving agents；
• 研究重心是方法和评价，不是单一业务应用。

Pengyi 匹配：PPRT hostile review、PAT evaluation、PAPI router 与 Human Gate 都可转化为 可测的 uncertainty / escalation / clarification 问题。

核心缺口：

• 还没有 clarification、abstention、escalation 的冻结 benchmark；
• 当前系统很多“Human Gate”是流程规则，未证明能提高成功率或减少错误；
• 缺正式实验而不是设计文档。

最佳切入口：在公开工具调用 benchmark 上比较 no-clarification、heuristic gate、 information-gain gate，测 task success、interactions、cost、false escalation 和 calibration。

结论：P0 / ACTIVATE。如果 Pengyi 愿意把 Agent OS 从产品叙述压缩成严格评价问题， 这是非常强的研究路线。

4. P1 条件项目组

4.1 Sijia Chen / Decentralized Multi-agent Decision

官方定位：2025 年加入 FTEC；研究 distributed computing、multimodal learning、 decision algorithms、large reasoning models，明确列出 decentralized reasoning、multi-agent collaboration，以及多 Agent 在金融仿真、策略演化、博弈均衡和风险控制中的应用。

优势：与 Pcaml/PAT/PFICC 的多 Agent + 金融决策主题几乎直接重合，且新组可能存在共同 塑造研究议程的空间。

风险：

• 新组公开的学生、毕业、长期 benchmark 和 advising track record 有限；
• 未找到足够直接的一手证据将 AgenticFinLab 等外部组织归属于该组，因此本报告不采用

此类归属作为判断；

• 公开招生名额与 2027 intake 状态未核实。

Gate：先验证三篇本人主导论文、代码、数据、当前学生项目和招生口径，再决定是否激活。

结论：P1 / VERIFY，主题分很高，证据成熟度较低。

4.2 Chengwei Qin / LAI Lab

研究 LLM reasoning、Agent、multimodality 和 efficient learning，主页给出 PhD/Postdoc/RA/ Visiting 的标准联系格式。适合做 reasoning / agent method，但 Pengyi 当前必须证明方法贡献， 不能只展示 orchestration。建议以公开 reasoning benchmark 或 efficient-agent ablation 为入口。

结论：P1。

4.3 Xuming Hu / Trustworthy and Efficient Vertical LLM

研究 trustworthy LLM、distillation/acceleration 与 vertical LLM。适合将金融/投研 Agent 的 faithfulness、安全与压缩写成方法问题；当前缺少对其论文体系的目标化复现。

结论：P1，可靠性方向备选。

4.4 ML Systems：Xiaowen Chu / Zeyi Wen

• Xiaowen Chu：ML Systems、GPU Computing、Embodied AI、AI4Science；
• Zeyi Wen：LLM inference/training/fine-tuning acceleration、workload profiling、GPU/CPU

parallel/distributed algorithms，并公开招收研究学生。

Pcaml、C++、Rust 与 Agent runtime 可以连接这条路线，但目前没有 latency、throughput、 memory、energy 或 distributed scaling 的实测 artifact。先完成一个可复现实验，再谈申请。

结论：P1 条件路线；没有性能卡时降为 P2。

4.5 Data Systems / Graph / Vector Database 支撑组

• Wei Wang：LLM、DB+AI、AI4Science/Education；
• Nan Tang：database、data-driven AI 和 reproducibility，且参与 DeepFund；
• Jeffrey Xu Yu：graph algorithms/systems、GNN、vector databases、query optimization；
• 相关 DSA 教师还可支撑数据 provenance、query、graph memory 和 reproducibility。

这些组非常适合作为 DIAL、RAG 或 evidence graph proposal 的 co-supervision / method support， 但除非 Pengyi 能提出清晰的 database problem，否则不建议作为第一封泛化联系对象。

结论：P1 SUPPORTING CLUSTER。

4.6 Mathematical / Empirical FinTech Cluster

Ning Cai

FTEC Head，研究 FinTech、金融工程、风险管理、绿色金融、运筹、随机建模和应用概率，并负责 广州市金融科技前沿研究重点实验室。适合作为风险与 OR 的制度级 anchor，但不能由“实验室 存在”推断具体项目名额。

Yue Kuen Kwok

研究衍生品、结构性保险、数值 PDE 与风险管理，并有 machine-learning-driven robo-advisory 项目经历。适合数学金融、衍生品与数值方法路线。

Zimu Zhu

研究 stochastic control and games、mathematical finance、principal-agent 与 ML。适合将多 Agent 金融问题转成控制、博弈与激励机制，而不是 LLM workflow。

其他可跟踪方向

金融计量、应用概率、MCMC/优化、气候资产定价、因果推断和 graph/LLM 应用教师可为 PFICC 提供联合指导资源，但必须逐篇论文核验，不能以学域课程列表代替项目组证据。

结论：P1。如果 PFICC 想成为研究证据，这一组的要求是公式、识别、经济目标、PIT 数据和统计稳健性，而不是 UI 或 Agent 数量。

5. P2 / Watch 项目组

5.1 Jintai Chen / Healthcare AI

方向包括可信 foundation model、multimodal LLM、多 Agent 和 healthcare/biomedical applications，并公开招收 PhD/RA/Postdoc。方法很强，但 domain mismatch 明显；只有在 Pengyi 愿意转向临床或 AI4Science 数据并补领域能力时才激活。

5.2 IoT Agentic AI and Autonomous Systems

官方方向明确包含 goal-driven reasoning、planning、tool use、多 Agent coordination 和经济 framework；公开成员包括 Lingjie Duan、Gareth Tyson、Jiadong Yu 等。但当前项目证据主要偏 网络、edge、社会计算和自治系统。适合 distributed agents 或机制设计，暂不适合泛化的 Research Agent proposal。

5.3 Jian Guo / Alpha-GPT Adjacent Route

公开简介显示其从事 Quant4.0、Quant5.0 和 Alpha-GPT，并以 Adjunct Professor 身份列入 AI Thrust。主题与 Pengyi 高度重合，但学校现行 thesis supervision 指引要求 prime supervisor 为 HKUST(GZ) full-time academic faculty；Adjunct 通常只能 co-supervise。

结论：WATCH / COLLABORATION ONLY。可作为产业合作或共同指导线索，不作为首位正式 PhD 导师。

5.4 3D / Embodied / Robotics Agent

Hao Wang 等 3D+LLM、机器人和具身方向只有在 Pengyi 建立 physical/multimodal benchmark 后才值得激活。当前没有硬件、仿真、视觉或控制 evidence，优先级低于 Data/Finance/Agent Evaluation。

6. 项目组对比矩阵

以下分数为 1-5 的 UNMEASURED 决策评分，不是事实测量，也不是录取概率。

评分的用途只是控制工作队列。任何对象进入首轮联系前，必须由三篇论文卡和一个 artifact 重新评分。

7. 推荐研究楔子：从 DeepFund 之后继续前进

7.1 研究问题

Can an agentic FICC research system remain useful and reproducible
under point-in-time data constraints, tool/data failures,
transaction costs, portfolio constraints, and market-regime shifts?

7.2 最小实验架构

Frozen PIT Event Stream
        |
        +--> Deterministic non-Agent baseline
        +--> Single-Agent baseline
        +--> Multi-Agent workflow
                     |
              Failure Injector
      data delay / missing tool / bad retrieval /
      stale source / conflicting evidence / timeout
                     |
              Replayable Trace Store
                     |
      Decision Quality + Economic Outcome + Reliability

7.3 必须测的指标

• task correctness / decision correctness；
• source and citation correctness；
• temporal leakage rate；
• replay success and trace completeness；
• tool-failure recovery rate；
• transaction-cost-adjusted return 或 domain-appropriate economic loss；
• turnover、risk constraint violation、drawdown；
• token、latency、API cost；
• seed 和 regime robustness；
• Agent 相对 deterministic/non-Agent baseline 的增量。

7.4 停止条件

• 无法获得合法、可追溯的 point-in-time 数据；
• Agent 不超过 deterministic baseline；
• 结果只在单一 seed / 单一 regime 成立；
• economic result 依赖未建模的成本或不可成交假设；
• 研究增量仍可被 DeepFund/DeepEye 现有能力完全覆盖。

所有指标当前均为 UNMEASURED。

8. 不同导师必须使用不同 artifact

8.1 给 Yuyu Luo

Artifact：DeepFund/DeepEye 的复现 + failure-aware PIT 扩展卡。 证明：能读懂现有系统、找到边界、写测试、提出不重复的 benchmark extension。 禁止：只发 PAT/Pcaml 全景图或“我也想做金融 Agent”。

8.2 给 Chao Zhang

Artifact：Trading Volume / covariance paper 卡 + transaction-cost-aware baseline。 证明：理解金融目标、统计方法和实现成本。 禁止：把多 Agent 数量当作 finance contribution。

8.3 给 Menglin Yang

Artifact：HeLa-Mem 或 Psi-RAG 的可复现实验，报告 quality/cost/memory growth。 证明：PAT memory 不只是文档结构。 禁止：不经实验直接声称长期记忆“更强”。

8.4 给 Zhijiang Guo

Artifact：clarification/escalation benchmark，包含 calibration 与错误升级成本。 证明：Human Gate 可以被形式化和测量。 禁止：只展示人工审批流程。

8.5 给 Sijia Chen

Artifact：多 Agent 决策博弈的可证伪环境和 baseline。 前置 Gate：先确认其当前论文、项目、学生与 2027 招生状态。

9. 申请、资金和约束

9.1 当前时间窗口

HKUST(GZ) 官方页面显示：

• 2026/27 Spring PhD：国际申请截止 2026-12-04，中国申请截止 2026-12-25；
• 2027/28 Fall PhD：国际申请截止 2027-06-15，中国申请截止 2027-07-15；
• offer 按项目进度 rolling 发放。

因此“最终截止很晚”不构成拖延理由。导师匹配与第一批 artifact 应在 2026 年 8-9 月完成。

9.2 材料

官方要求包括完整高等教育成绩与学位、评分标准、英语证明（如适用）、proposed research plan、past research experience 和 2-5 位推荐人。最低语言线包括 IELTS 6.5 且各项不低于 5.5，或相应 TOEFL 标准；英语为第一语言或本科英语授课可能豁免。满足最低要求不保证录取。

9.3 Funding arithmetic

官方页面当前列出 full-time PhD PGS 为 CNY 15,000/月，最长四年；2027/28 起获得 PGS 的 full-time RPg 学费为 CNY 60,000/年。

• gross PGS arithmetic：CNY 180,000/年；
• 扣除公开学费后的 arithmetic：CNY 120,000/年；
• 尚未计入住宿、生活、保险、设备、税务或机会成本；
• PGS 资格、持续时间与录取结果不得视为已保证。

9.4 工作与时间边界

full-time RPg 是全日制研究承诺。公开 handbook 对校内兼职和批准有明确限制，不能把 “继续正常银行全职 + 同时读 full-time PhD”作为默认可行计划。申请前要单独做现金流、离职、 住宿和过渡期压力测试。

10. 主要风险

11. 72 小时与 30 天执行图

11.1 未来 72 小时

1. 冻结 DIAL、Chao Zhang、Menglin Yang、Zhijiang Guo 四张 target card；
2. 每张卡只保留三篇论文、一个 extension question、一个 artifact；
3. 完成 DeepFund hostile review，明确它已覆盖和未覆盖的边界；
4. 选择一个可在两周内跑通的 reproduction；
5. Human Gate 决定先走 PhD contact、RA contact 或 open-source contribution。

11.2 未来 14 天

1. 运行 reproduction baseline；
2. 固定数据版本、代码 commit、seed、metric、预算和 stop rule；
3. 形成 2-4 页技术 note，不先做大网站；
4. 对唯一 P0 导师发目标化邮件草稿，Human Review 后再发送；
5. 对 Sijia Chen 完成项目归属和招生核验。

11.3 未来 30 天

1. 将通过复现的结果升级为 proposal v1；
2. 根据导师回复决定 DSA / AI / FTEC 申请主路径；
3. 建立推荐人和研究经历证据索引；
4. 运行一次 hostile mock interview；
5. 若首轮无有效回复，扩展到 Chengwei Qin、ML Systems 或 mathematical FTEC，

不降低邮件质量做无差别群发。

12. 最终决策

HKUST(GZ) 不是 PPHD 的“兜底学校”，而是一个值得严肃竞争的 P0 研究节点。它的独特价值是：

Data Agent / RAG / Reliable AI
              +
     Quant / FinTech / Risk
              +
 DB / ML Systems / IoT infrastructure
              +
     mandatory co-supervision

但真正有效的进入方式不是展示 Pengyi OS 有多少项目，而是把一个系统压缩成一个可审稿问题：

在严格 point-in-time、failure、cost 与 risk 约束下，Agentic FICC Research 是否真的比 deterministic workflow 更有效、更可靠、更可复现？

只有当 reproduction、baseline 和导师论文的 extension question 同时成立，才进入发送。

13. 一手来源索引

学校、项目与申请

• HKUST(GZ) Academics / 4 Hubs and co-supervision
• Information Hub
• Artificial Intelligence Thrust
• AI PhD/MPhil Program
• DSA PhD/MPhil Program
• FinTech PhD/MPhil Program
• Admission Timeline
• Admission Requirements
• Documents Required
• Scholarships and Fees
• Guidelines on Thesis Supervision

P0 与 P1 教师 / 项目组

• Yuyu Luo / DIAL official profile
• Yuyu Luo / DIAL group page
• DeepFund - NeurIPS 2025
• DeepFund code
• DeepEye code and paper metadata
• Alpha-SQL code
• AFlow paper
• Chao Zhang official profile
• Chao Zhang group/recruitment page
• Sijia Chen official profile
• Menglin Yang official profile
• DIGAI recruitment
• Psi-RAG paper
• Psi-RAG code
• HeLa-Mem code
• Zhijiang Guo official profile
• Zhijiang Guo group page
• Uncertainty-Aware Clarification
• Chengwei Qin official profile
• Xuming Hu official profile
• Xiaowen Chu official profile
• Zeyi Wen official profile
• Ning Cai official profile
• Yue Kuen Kwok official profile
• Zimu Zhu official profile
• Wei Wang official profile
• Nan Tang official profile
• Jeffrey Xu Yu official profile
• IoT Agentic AI and Autonomous Systems
• Jintai Chen official profile
• Jian Guo official profile

14. Snapshot Changelog

• 2026-08-12 07:29 CST：完成 4 Hub / 16 Thrust 机构扫描与相关项目组深挖。
• 将首轮优先级收敛为 DIAL、Chao Zhang、DIGAI、Zhijiang Guo 四组。
• 将 Sijia Chen 从自动 P0 调整为 P1 / VERIFY，等待项目归属与招生核验。
• 确认 DeepFund 对原 Leakage-Safe Agentic Quant 选题构成 novelty collision。
• 将主 proposal 升级为 failure-aware、replayable、point-in-time Agentic FICC evaluation。
• 所有适配分、提案效果与录取判断保持 UNMEASURED。