比利时鲁汶大学（KU Leuven）

博士职位：低资源场景下知识引导的音频表征学习

课题组：EAVISE（隶属于 ESAT-PSI 语音图像处理 + DTAI 人工智能系）申请截止：2026 年 5 月 12 日

学制：4 年全职

入职时间：2026 年 9 月优先

地点：鲁汶（Campus De Nayer）

一、项目简介

当前音频机器学习高度依赖大数据 + 大模型，几乎不融入领域先验，存在数据饥渴、计算昂贵、泛化弱等问题。本项目面向低资源实际场景（工业预测性维护、过程监测、环境监测，数据稀缺、要求轻量部署、跨域泛化）：

• 研究自监督音频表征学习
• 显式融入声学先验知识与发声机理
  ，解耦音频特征
• 提升模型：数据效率、计算效率、鲁棒性、域泛化能力

二、申请要求

• 硕士：电子工程、计算机工程或紧密相关专业
• 扎实基础：线性代数、数字信号处理、音频处理、机器学习
• 音频处理研究经验（毕设 / 科研）高度优先
• 必须精通 Python；MATLAB / C++ 加分
• 英语流利，学术沟通能力强

三、工作职责

• 开展低资源音频表征学习研究
• 发表顶会 / 顶刊论文、参加国际会议
• 协助指导硕士生、少量教学（≤2 小时 / 周）
• 完成 Arenberg 博士研究生院培训

四、待遇

• 4 年正式岗位（首年 1 年合同，通过后逐年续签）
• 极具竞争力的薪资或免税博士奖学金
• 欧洲顶尖科研平台、国际合作网络
• 弹性工作、支持远程办公
• 完整学术培训与职业发展

五、申请方式

“https://www.kuleuven.be/personeel/jobsite/jobs/60654127?utm_medium=jobsites&utm_source=AcademicPositions”

仅接受在线申请，不接受邮件投递需提交：

1. 动机信
2. 完整 CV（GPA、核心课程、硕士论文、论文列表）
3. 硕士成绩单
4. 英语能力证明（如有）

六、联系方式

项目咨询：Prof. Thomas Dietzen📩 thomas.dietzen@kuleuven.be