内容源自“图灵学术博研社”gongzhonghao

学校简介

谢菲尔德大学（The University of Sheffield）是英国久负盛名的公立研究型大学，也是罗素集团成员之一。在 2026 年 QS 世界大学排名中，谢菲尔德大学位列第92位，其中计算机科学、工程学等学科常年位居英国乃至欧洲前列。

导师简介

本项目由Dr. Bei Peng与Dr. Robert Loftin共同指导，两位导师均在人工智能与强化学习领域拥有丰富的研究经验与深厚的学术造诣。

Dr. Bei Peng 专注于强化学习、人类反馈机制及智能系统优化方向，其研究聚焦于如何通过人类反馈提升复杂任务中智能体的学习效率，相关成果在国际顶级学术会议上备受关注。

Dr. Robert Loftin 则在机器学习算法设计、深度学习与强化学习交叉领域深耕多年，擅长将理论模型转化为实际应用解决方案，为项目提供了坚实的技术支撑与跨学科视角。

招生信息

招生类型：博士研究生

研究方向：基于人类反馈的强化学习（RLHF）新算法研究，具体可探索大语言模型（LLMs）的微调与对齐、机器人系统中的人类反馈应用、利用大语言模型自动生成 / 解析自然语言反馈并融入 RLHF 框架等方向（可根据学生兴趣灵活调整）

核心目标：开发新型 RLHF 框架，在减少人类交互反馈需求的同时，实现更复杂智能行为的学习

预计入学时间：2026 年 2 月（时间可灵活商议）

申请截止日期：2025 年 10 月 31 日

福利待遇

1.英国本土学生享受全额资助的 3.5 年博士奖学金，涵盖学费及生活费用，为科研期间的生活与学习提供稳定保障；

2.国际学生：奖学金覆盖按英国学生标准计算的学费部分，鼓励申请外部资助以解决学费差额及生活费用；

3.可依托谢菲尔德大学先进的计算机实验室与人工智能平台开展研究，获得充足的实验资源与技术支持；

申请要求

1.具有计算机科学、数学或相关专业的本科或硕士学位；

2.具备扎实的编程能力与机器学习 / 强化学习数学基础，熟悉强化学习核心理论与算法；

3.熟练掌握 Python 编程语言，精通 PyTorch、TensorFlow 等主流深度学习与机器学习框架；

4.良好的英语沟通能力，雅思成绩不低于 6.5 分，且单项成绩不低于 6.0 分。

申请方式

申请渠道：通过官方链接了解项目详情并提交申请：

https://www.findaphd.com/phds/project/new-algorithms-for-reinforcement-learning-from-human-feedback/?p=186459

材料备注：申请时请务必注明拟导师为 Dr. Bei Peng 和 Dr. Robert Loftin；

咨询方式：如有疑问，可发送邮件至 Dr. Bei Peng 的邮箱（beipeng@sheffield.ac.uk）进行咨询