Hello,Ethereal!

整理覆盖学费的海外计算机与人工智能项目，区分研究型硕士、硕博连读、本科直博和条件性资助，并给出申请时间线与 offer 核验规则。

面向新芽学子的专题导览：梳理多模态大模型在个性化（训练侧）与推理加速（推理侧）两条主线上的核心思想、代表方法、主要挑战，并给出带链接的 66 篇文献地图与分阶段学习路径。

区分推理时 Agent 编排与模型后训练，并拆解 CycleResearcher 的领域 SFT、生成式 Reward Model、Iterative SimPO 和评测风险。

拆解 NeurIPS 2023 VisionLLM 如何用 LoRA、语言引导图像 Tokenizer 与输出格式查询，把多模态大模型训练侧适配到检测、分割、视觉定位等可定制任务。

拆解 ICML 2025 的 MMInference：以模态感知置换、Grid 稀疏模式与定制 GPU Kernel 加速长视频视觉语言模型的 prefill，属于推理加速（推理侧）方向。

拆解 NeurIPS 2025 的 RePIC：以 GRPO、对象一致性、视觉定位和身份一致性奖励，用 2K 样本后训练 Qwen2.5-VL，提升多主体个性化图像描述，属于个性化（训练侧）方向。

拆解 NeurIPS 2024 Spotlight 论文 EVE：用无视觉编码器的 decoder-only 架构降低多模态视觉前处理开销，并核对其速度、精度、训练稳定性与端到端延迟边界，属于推理加速（推理侧）方向。

拆解 NeurIPS 2023 的 LaVIN 如何用 Mixture-of-Modality Adapter 和混合模态训练，以 3.8M 可训练参数适配文本与图文指令，属于个性化（训练侧）方向。

拆解 ICLR 2025 的 LLaVA-Mini 如何用模态预融合与查询压缩，把送入主语言模型的视觉 Token 从 576 个降到 1 个，属于推理加速（推理侧）方向。

拆解 ICLR 2025 Spotlight 的 MM-FSS 如何用文本语义、隐式 2D 对齐和测试时校准适配少样本 3D 点云分割，属于个性化（训练侧）方向。