SUTD
SUTD（Singapore University of Technology and Design）是新加坡 4 所国立大学中最年轻、最特殊的一所——2009 年与 MIT 合作创立，定位是"科技 + 设计 + 创业"的交叉型大学。在 AI 领域，它的特色是 **AI + 工程 + 设计** 的跨界路线。
📖 是什么
SUTD 的与众不同之处：
- 跨学科本质：所有学生都要学设计、工程、人文
- MIT 基因：课程体系部分参考 MIT，强调动手做
- 小而精：只有 2000 学生，但人均资源充足
AI 相关单位：
- Information Systems Technology and Design（ISTD）：CS / AI 主力
- Design AI Lab：AI 在设计领域的应用
- iTrust：网络安全与 AI 安全研究
特色研究方向：
- AI for Design：生成式 AI 在建筑、产品设计的应用
- AI Safety：与 iTrust 结合的对抗性 AI 研究
- Embedded AI：AI 与硬件、机器人的结合
🤖 与 AI 的关系
SUTD 在 AI 上的差异化非常清楚：不和 NUS / NTU 比规模和论文数量，而在"AI + X"交叉领域找空间。
AI for Design 是最有特色的方向——SUTD 的设计学院让它能做"AI 辅助创意工作"的前沿研究，这是其他工科大学做不了的。Generative AI 时代这个方向的价值进一步放大。
技术上 SUTD 的产出规模有限（学校体量小），但单点突破能力强。
🇸🇬 与新加坡的关系
SUTD 在新加坡 AI 战略里是"实验性的小而精节点"。
在「七条传导杠杆」里：
- 杠杆 1（基础研究）：在小众交叉领域的探索
- 杠杆 2（人才）：培养"懂设计、懂技术"的复合型 AI 人才
观点：SUTD 的存在让新加坡高校体系避免了"NUS 和 NTU 同质化竞争"的风险——它走交叉创新路线，与两所综合性大学形成互补。
🗓️ 关键里程碑
- 2009SUTD 与 MIT 合作创立
- 2012首届学生入学
👥 关键人物
- Phoon Kok Kwang — 校长
🔗 关联资源
数据来源
- SUTD 官网 — 访问于 2026-05-02
同属「🔬 基础研究」
A*STAR
新加坡科技研究局，AI 基础研究与应用研究主力
NUS
新加坡国立大学，AI 研究排名亚洲前列。2024.3 成立 NUS AI Institute，整合基础 AI、应用 AI 及社会影响研究
NTU
南洋理工大学，AI 与数据科学研究重镇
SMU
新加坡管理大学，AI 在商业与社会应用
AI新加坡与美国NSF研究人员的研究合作项目
该项目由南洋理工大学张捷教授领导，与美国麻省理工学院合作，致力于开发可信任、可解释的人工智能-人类交互优化系统。研究重点是建立自然语言作为组合优化问题的鲁棒接口，使AI系统能够从人类语言中制定优化问题、进行强大的AI辅助优化，并提供可解释的反馈。该项目旨在为物流、制造、金融等行业提供高效的决策支持工具，同时推进可信任AI的基础研究。
PINNACLE：PINN 自适应配置点和实验点选择方法
PINNACLE 是一种自适应点选择方法，用于改进物理信息神经网络(PINN)的训练效率。该方法基于经验神经切线核理论，能够自动联合优化所有类型训练点的选择，包括实验点和配置点，在前向问题、反演问题和迁移学习等多个任务中显著超越现有基准方法。
BadEdit：通过模型编辑对大语言模型进行后门注入
AI Singapore 研究团队提出 BadEdit 框架，这是一种创新的后门注入方法，通过直接修改模型参数来对预训练大语言模型进行高效的后门攻击。该方法仅需 15 个数据样本和 120 秒即可成功注入后门，攻击成功率接近 100%，同时保持对清洁数据的最小副作用。BadEdit 相比传统权重中毒方法的优势在于数据需求少、效率高，适用于多种任务领域包括文本分类、事实核查和对话情感生成。
利用符号回归为决策树发现更大类别的分割
本研究介绍了符号回归增强决策树（SREDT），通过符号回归发现非线性、多变量的决策树分割规则。与传统决策树相比，SREDT具有更好的预测性能、更小更紧凑的树结构、更快的推理速度以及对噪声的鲁棒性。该方法通过遗传编程搜索闭式解析表达式，在分类任务上明显优于标准决策树。