[US] 22 - 某某 - Psychology PhD @ Columbia University

联系方式： 12210315@mail.sustech.edu.cn

⚠️ 说明

1. 本文主要记录我在 2026 Fall 申请季的一些个人经验。我的本科专业是智能医学工程，但申请跨度比较大，投递过 Psychology、CS、BME、ECE、Neuroscience、Data Science 等项目，因此可能对 BME / EE / CS 背景、同时考虑交叉方向的同学更有参考价值。
2. 文中关于不同项目申请难度、地区选择、套磁和招生制度的判断都只是个人体感，不代表客观规律。尤其是 funding、签证和就业环境每年都可能变化，请以自己申请时的信息为准。
3. 校外科研、推荐信、语言考试、CV 等内容往届飞跃手册已经写得很多，本文尽量不重复，主要分享一些我申请过程中比较有体感的事情。
4. 仅供参考。

基本背景

专业：智能医学工程
GPA：3.86 / 4.0
Rank：6 / 41
TOEFL：105
GRE：I’m lazy, so no
交换：大三下 University of Toronto
科研经历：本校科研 + Columbia BME 科研实习
Publication：申请时 CS 会议两篇共一，一篇共一在投（后接收），期刊两篇 N 作
申请方向：AI 与认知科学交叉
最终去向：Columbia University Psychology PhD

我的本科是 BME，不过到了申请阶段，我已经不太会按照“本科是什么专业就申请什么系”来限制自己。只要导师做的东西是我感兴趣的，而且自己的背景能够和对方的研究接上，我都会考虑，所以最后 Psychology、CS、BME、ECE、Neuroscience 等不同类型的项目都有申请。

申请结果

我一共申请了 29 个项目。这个数字看起来比较多，一个重要原因是有些我非常感兴趣的老师本身就横跨多个院系招生。例如同一个老师可能同时能够从 Psychology、BME、CS 或其他 interdisciplinary program 招学生，如果我确实非常想跟这位老师，我有时会同时申请几个可能进入其课题组的项目。所以 29 个项目并不对应 29 个完全不同的意向导师。

学校	项目	结果
Princeton	Psychology PhD	Rej
CMU	Machine Learning PhD	Rej
Stanford	Psychology PhD	Rej
MIT	Brain and Cognitive Sciences PhD	Rej
MIT	EECS PhD	Rej
MIT	Aerospace Engineering MS-PhD	Rej
Harvard	Neuroscience PhD	Rej
JHU	Psychological and Brain Sciences PhD	Rej
CMU	Neural Computation PhD	Rej
Yale	Psychology PhD	Interview → Rej
UPenn	Psychology PhD	一面 → 二面 → Rej
Brown	Cognitive Science PhD	Rej
JHU	Biomedical Engineering PhD	Interview → Rej
JHU	Neuroscience PhD	Rej
CMU	Psychology PhD	Rej
Columbia	Psychology PhD	Interview → Offer
UCSD	Experimental Psychology PhD	Rej
NYU	Data Science PhD	Interview → Rej
Brown	Computer Science PhD	Rej
Columbia	Biomedical Engineering PhD	一面 → 二面 → 放弃
Georgia Tech	Computing Science and Engineering PhD	Interview → Offer
Rice	Electrical and Computer Engineering PhD	一面 → 二面 → Waitlist
HKU	Psychology PhD	Nomination，放弃
HKU	Data Science PhD	口头 Offer，放弃
NUS	Computer Science PhD	Rej
MBZUAI	Computer Vision MSc	免考试 → Interview → 放弃
Mila–McGill	PhD	一面 → 二面 → Coding Test → Offer，放弃
McGill	Quantitative Life Sciences PhD	Rej
McGill	IPN PhD	Waitlist，放弃

最后拿到或基本拿到的选择包括 Columbia Psychology、Georgia Tech CSE、Mila–McGill、HKU Psychology 和 HKU Data Science，Rice ECE 最后是 waitlist。另外 Yale、UPenn、JHU、NYU、Columbia BME 等项目也进入了不同阶段的面试。

要不要读 PhD？Master？还是直接就业？

如果确实喜欢科研，也能接受五年甚至更长的训练周期、相对较低的收入，那么 PhD 是一个合理选择。教职基本刚需 PhD，在 AI 领域一些 research scientist 或人才项目中，博士也会有明显优势。但 PhD 并不是“读完自动获得高薪工作”，毕业之后依然要看博士期间的论文、研究能力和实际产出。如果本身并不喜欢研究，只是因为本科毕业暂时不知道做什么，所以先去读个博士，我个人不太推荐。

Master 的逻辑不一样。如果没有特别坚定地想做科研，更希望提高学历之后尽快就业，那么 Master 很多时候更加直接。很多岗位本身就偏好硕士学历，一些高排名硕士也对应国内部分城市的落户或者人才政策。不过 Master 本质上是一笔不小的教育投资，所以不能只看学校名气，还要一起考虑学费、生活成本、毕业后的工作签证和当地就业环境。

如果已经比较确定不想做科研，我反而建议尽早找实习，而且尽量找真正会让你上手做技术工作的实习，而不是只增加一条简历经历。特别是如果以后想找薪资比较高的技术岗，早点接触真实的工程或者研究任务会很有帮助。某些方向，真是越早出来赚钱越划算呐（

地区选择

我自己的顺序是先确定愿意接受哪些地区，再去筛导师和项目。因为读博通常至少五年，地区决定的不只是生活环境，也涉及科研机会、funding、签证以及未来就业。

美国

美国最大的优势没什么好说的，科研资源和方向覆盖仍然最强。尤其是一些比较交叉的方向，可以找到的潜在导师数量明显比其他地区多，所以即使存在各种现实问题，我仍然认为美国很值得申请。

不过签证风险值得各位认真考虑。我自己的经历比较坎坷，第一次申请 F-1 被拒签，第二次重新申请以后又进入了 check，一个多月以后才最终下签。最后虽然没有影响我按时入学，但等待期间最大的问题是完全无法确定什么时候能够拿到签证。我也知道一些因为签证长时间没有结果，最后不得不延期入学，甚至原本的 offer 无法正常兑现的案例。因此如果手里同时有美国和其他地区的 offer，我觉得签证至少应该成为最终决策时考虑的现实因素之一。

加拿大

加拿大整体科研环境不错，也有一些很强的 AI、Neuroscience 和 Cognitive Science 平台。相比美国，整体签证风险可能低一些，但敏感研究方向依然可能遇到比较长的安全审查。我认识的人里也有审查很久影响入学的案例。

另外一个比较现实的问题是，加拿大 PhD 工资普遍不算特别高（活不下去），有些导师还会希望学生继续申请 CSC 或其他外部奖学金，限制较大。

香港 & 新加坡

香港明显越来越卷。对于大陆学生而言，它在距离、文化环境和签证等方面都相对方便，在其他主要留学地区不确定性增加以后，自然会吸引更多申请者。现在香港已经不能看作一个低风险的“保底地区”。

新加坡基本同香港，不过国际学生的名额和毕业后的就业环境也值得提前考虑。NUS 近期有限制中国学生比例的政策。

Master 的地区选择

Master 和 PhD 的逻辑不完全一样。美国主要的问题是学费高以及毕业后的工作签证；加拿大的工作机会整体比美国少；香港离内地近，也有一些人才政策优势，但对于大部分 STEM 学生来说，本地科技产业规模毕竟不能和深圳等内地一线城市相比，很多人最后仍然会回内地就业；新加坡学校很好，但外国人在当地找工作的难度相对较高。

如果申请 Master，我觉得最应该先回答的问题是：毕业以后准备在哪里工作？ 先回答这个，再反推学校和项目，通常比单纯按照排名选校有用。

选校选导师

我自己的选校流程大概是：确定地区以后开始筛老师，再看这些老师分别可以通过哪些项目招生，之后套磁，根据导师回复和项目情况决定最后投哪些。

至于怎么知道该找哪些老师，这里分享一个我自己用的小技巧：在自己对领域内文献有一定熟悉度的情况下，先去找自己喜欢的文章的作者，再去 Google Scholar 上翻他们的合作者列表，或者他们文章中挂名的其他老师。这样不仅能帮助我们得到一个较全、方向也较为相关的导师列表，也能加深我们对整个领域的理解。

实际申请中我非常推荐维护两个表。

第一张是意向导师表，主要记录学校、项目、导师、研究方向、近几年的工作、是否招生、funding、是否套磁以及回复内容。筛老师的时候信息会非常碎，有时一个老师主页写的方向很宽泛，真正看最近三年的论文以后才会发现并不适合；有时主页看起来一般，但最近正在做的项目正好非常 match。所以这张表最好随着自己看论文和套磁持续更新。

第二张是意向项目表，主要记录 deadline、推荐信数量、文书要求、是否需要送分、申请状态、面试和最终结果。前一个表主要帮助判断哪些项目值得投，后一个表负责申请季的具体执行。到了十一二月，同时处理二三十个项目，如果什么都靠记忆很容易漏东西。

不同方向的申请体感

如果非常粗暴地按照我自己的申请体验排一下几个方向的难度，大概是 Neuro >> CS > EE ≈ Psych ≥ BME。再次强调，这只是我个人在这一届申请中的体感，不是录取率统计。

Neuro 对国际生比较难的一个现实原因是 funding 和国际生名额往往比较有限，而且不少项目采用 rotation 或 committee admission。对于国际生来说，可用名额本身可能就比美国本土学生少很多。

CS，尤其是热门 AI 方向，申请者整体科研背景已经非常强。按照我这一届的申请体感，一篇比较有分量的一作或共一顶会已经基本是热门 AI PhD 项目的最低门槛，而不是额外的加分项。 过了这个门槛以后，论文质量、研究匹配、推荐信、导师的招生需求以及面试表现才会进一步拉开差距。这个判断主要针对热门 AI 方向，不建议直接套到所有其他领域。

EE 和 Psych 的评价逻辑又不太一样。EE 对工程和计算背景比较友好，很多方向和 CS、AI、Neuroscience 本身就高度交叉；Psych 则往往更看研究问题是否 match、目标 PI 是否招生、推荐信以及申请人对问题本身的理解。BME 对本身有生医工背景，同时做 AI、计算或者 neuro 方向的学生来说比较自然，funding 和招生方向也比较广。

所以如果本科背景本身比较交叉，我觉得没有必要只盯一个传统学科。把相邻方向都看一遍，往往更容易找到真正适合自己的项目。

套磁

套磁到底有没有用，不同专业一直有不同说法。我自己的结论是值得做。

我更看重套磁提供的信息。官网可能只告诉你某位老师在 faculty list 上，却不会告诉你他今年有没有钱、有没有计划招学生，也不会告诉你看完你的背景以后有没有兴趣。邮件发出去以后，如果老师明显认真看过材料，针对你的经历进行回复，愿意约 informal meeting，或者明确表示今年有 position，我就会提高这个项目的优先级。相反，“Thanks for your interest. Please apply through the system.” 这种回复，我一般不会理解成什么特别积极的 signal。

我大概从九月份开始比较集中地套磁，一直持续到申请截止。邮件没有必要把自己的 research statement 全部复制进去，但至少应该让老师看出来为什么你会找到他。我一般会先看导师主页和最近几年的论文，确认方向确实相关以后利用 AI 总结再发邮件。具体方法诸多前辈也已有详细讲解，我不再赘述。

套磁对我还有一个非常实际的作用，就是帮助决定申请费应该花在哪里。如果一个项目有几个比较 match 的老师，其中有人明确招生或者愿意进一步交流，我自然更愿意投；如果整个项目只有一个勉强相关的老师，而且完全没有招生信号，那就要考虑这个申请是否真的值得。

强导师制和强委员会制

这是我申请之前没有特别搞明白、申请之后觉得比较重要的一件事。不同项目表面上都是 PhD admission，但实际上谁对录取最有话语权，差别可能很大。

我习惯粗略把项目分成强导师制、强委员会制以及介于两者之间的混合制度。这个分类不是严格定义，但可以通过一些信息大概判断，例如 funding 主要由谁提供、有没有 rotation、是不是 direct admit，以及正式面试主要围绕目标导师还是由多位 faculty 共同进行。

强导师制里，导师本人的招生意愿通常非常重要。比较典型的是学生直接进入某个实验室，导师承担主要 funding，也没有前期 rotation。对于这种项目，我会把更多精力放在目标 PI、套磁以及针对性准备上。面试里最重要的不是泛泛展示自己“背景很好”，而是让导师能够比较具体地理解你为什么适合他的研究，以及如果进入实验室以后可能做什么。

强委员会制的逻辑不太一样。如果 funding 主要由项目统一提供，学生入学以后再 rotation，或者由多位 faculty 集体决定录取，那么单个导师很喜欢你也未必足够。这种情况下，整体申请材料的重要性会更高，包括研究经历、推荐信、SOP、为什么适合这个 program，以及是否能够和不止一位 faculty 产生潜在匹配。面试时也可能遇到和自己主要方向没有那么接近的老师，因此准备需要更综合一些。

还有大量项目位于两者之间，比如导师先进行筛选或者表达招生意愿，之后再由委员会完成正式录取。对于这种项目，我觉得比较稳妥的方式就是两边都准备：既要让目标导师愿意支持自己，也要保证整体材料放到委员会里没有明显短板。

面试

我申请之前以为 PhD interview 应该都差不多，实际发现形式差别非常大。有的就是和导师聊半个小时，有的会经历一面、二面，有的是一天连续四五场甚至更多 faculty interview，还有一些 CS / AI 项目会安排 coding test。

我推荐提前准备一套研究 PPT。老师不一定让你用，有些甚至会明确说不要 PPT，但提前准备不会吃亏。另外真正需要练的是能不能在不同时间长度内把自己的工作讲清楚：两三分钟能讲，十分钟也能讲；既可以概括研究问题，也能回答方法细节和自己具体做了什么。

不同项目的面试重点差异很大，所以拿到 interview 以后最好先找往届经验，确认大概会是什么形式，而不是所有项目都用同一套准备。有些项目主要和导师聊天，有些一天会安排很多老师，有些还有后续轮次。

部分 CS / AI 项目的 coding test 也不一定是 LeetCode。我遇到的更接近当场完成一个小项目或者 coding task，例如做数据处理、实现一个功能、跑 baseline、debug，并且在过程中解释自己的思路。这类东西临时突击的意义可能没有那么大，真正有用的是平时确实自己写过实验代码，遇到问题知道怎么定位和解决。

面试最后通常还有反问环节，这部分我也建议认真准备。项目方面，我会比较关心新 PhD 一般从什么项目开始、导师是 hands-on 还是 hands-off、组里的 collaboration、funding、毕业时间、实习是否方便等。科研方面，这也是你向老师展现你对领域理解的绝佳机会，一个好的学术问题很有可能逆转面试的整体评价。同时，面试本身也是了解导师和实验室的机会，本身是一种双向选择，并不是只要拿到 offer 就结束了。

Offer 和访校

我的申请季里，一月底到二月是面试和结果比较集中的阶段。很多项目在拿到 offer 之后还会安排 visit day，如果条件允许，我很建议线下去。

邮件或者 Zoom 能了解的信息毕竟有限，真正到了实验室以后和学生聊，往往能得到很多更实际的信息。比如老师多久和学生 meeting 一次、push 不 push、平均几年毕业、funding 是否稳定、学生有没有自由换方向，以及实验室整体的氛围。这些事情之后会直接影响几年的 PhD 生活，所以我觉得很值得花时间了解。

四月份通常也是最后做决定的时候。如果手里有多个选择，除了学校、导师和研究方向以外，我还会把学生状态、导师带人方式、funding、城市以及自己的生活感受放在一起考虑。毕竟最后不是去一个学校名字里生活，而是真的要在那里待很多年（而且还有可能因为签证原因回不了国）。

信息搜集

申请季主要的信息来源其实就那么几个：项目官网、导师主页、Google Scholar，再加上一亩三分地、GradCafe、Reddit、小红书、Quora，以及每年一些申请者自发维护的共享表格（链接通常能在 Reddit 上找到）。

官网用来确认正式规则，比如 deadline、材料要求、funding 和 faculty list；导师主页和 Google Scholar 用来判断导师到底在做什么。很多主页上的 research interests 写得比较宽泛，我自己更习惯直接看最近几年的论文。

论坛则比较适合找往届申请经验、面试形式和项目评价。GradCafe 和一些共享表格还可以用来大概判断某个项目今年有没有开始发 interview 或 offer。小红书和一亩三分地的信息很多，也经常能看到很细的个人经历，不过这些内容最好都当作参考，不要把一个人的经历直接理解成项目的固定规则。

我自己觉得申请季最值得维护的仍然是自己的两张表。哪个导师看过、哪个老师回了什么、哪个项目什么时候截止、推荐信有没有提交、面试到哪一步，这些信息真正和自己的申请有关，也最容易在后期帮自己节省时间。

最后

最近刷小红书时看到一则很难过的消息，让我又想起了申请这件事。申请季里，我们很容易被各种结果牵着走：谁拿到了更好的 offer，谁被梦校拒绝了，谁“全聚德”了。好像在短短几个月里，所有人都被放在一套很窄的标准下反复比较。

但申请终究只是人生中的一段经历。除了等待和比较，我们还有很多事情可以去做，也还有很多可能性值得慢慢探索。

所以，祝大家申请顺利。也祝大家无论最后结果如何，都能慢慢找回自己的节奏，继续做真正想做的事情。