中国高校屠榜2026 CSRankings!上交清华并列第一,北大AI封神

2026 CSRankings全球计算机科学排名正式出炉,上海交通大学首次登顶,与清华大学并列全球第一!

放眼全球Top 10,中国高校以「屠榜」之势豪取7席。

浙江大学不仅杀入前三,更是硬生生追平了昔日霸主CMU,与其并列探花。

北京大学与UIUC并列第五,香港科技大学南京大学新加坡国立大学并列第七,中国科学院则与韩国科学技术院守住了第十的大门。

再往后看,香港中文大学中国科学技术大学复旦大学也稳稳扎根在全球Top 20。

北大AI世界第一,清华跃居第二

如果说总榜是分庭抗礼,那么在AI这条赛道上,中国简直是「降维打击」。

全球前20名里,65%都是中国面孔。

前8名更是被包揽得密不透风——

北大一骑绝尘拿下世界第一,清华紧随其后,浙大上交中科大南大中国科学院哈工大依次排开,排面拉满!

反观国外老牌名校,韩国科学技术院、首尔大学、新国大、南洋理工排名纷纷下滑。

就连美国的「AI殿堂」CMU也只能屈居第14,UIUC更是跌到了第18。

2025年9月

至于欧洲高校?

不好意思,Top 20里早已「查无此人」。

就连表现最好的爱丁堡大学,也得往后翻到第26名才能找到。

内地高校大排名

当我们将统计区域锁定为中国大陆,CS全领域的竞争格局显得尤为激烈。

上交与清华双雄并立,并列榜首。

紧随其后的Top 20里,第一梯队包括浙大、北大、南大、中国科学院、中科大、复旦、哈工大,以及人大。

而在榜单的后半程,中大、港中文(深圳)、成电、北邮、北航、华科大、南科大、深大、武大、西交、厦大、西电也悉数入围。

若将镜头聚焦于AI领域,座次则发生了微妙变化:

北大强势登顶,位列第一;清华与浙大分列二、三位。

在AI领域的Top 10阵营中,上交、中科大、南大、中国科学院、哈工大、人大、复旦依然稳扎稳打。

值得注意的是,成电、中大、武大、港中文(深圳)、北航、北邮、深大、厦大、天大及西电也凭借在AI方向的深耕,成功跻身Top 20

在具体的细分技术领域,各路高校展现出了不同的「杀手锏」。

人工智能:南京大学展现出老牌劲旅的深厚底蕴,力压群雄位列第一,浙大与哈工大分列其后。

计算机视觉:北京大学拔得头筹,浙大、南大紧随其后。

机器学习:清华大学小幅领先拿下第一,北大与上交分获亚军和季军。

自然语言处理:哈工大登顶,中国科学院与北大分列二、三。

网页与信息检索:人大表现亮眼,位居第一,清华与中科大紧随其后。

CS论文爆发

再来看全球CSRankings中,中国高校在AI领域下,论文发表情况的统计。

第一名北大,在AI、视觉、机器学习、NLP领域数据最多,尤其是机器学习领域高达165篇。

就教职论文数量来看,北大有13人论文总数超10篇,最多的19篇是Zhang Shanghang,此外还有张铭(15)、杨耀东(14)、卢宗青(13)、周嘉欢(13)。

清华大学同样在机器学习领域,论文占比最多(201篇),此外,NLP、AI、视觉、安全方向的论文有超50篇。

在人机交互领域(HCI)也非常突出。

清华教职中,有14人论文总数超过十篇,有三位大佬都发表了20多篇,他们分别是孙茂松(27)、刘知远(26)、黄民烈(22)。

从图中可直观看出,浙大整体发表的论文数非常高。AI、ML领域占比最高。此外,视觉、NLP、安全等也很多。

浙大发表超十篇论文,总数12人。有5人发表超20篇论文,赵洲(27)、吴飞(24)、杨易(21)、宋明黎(21)、陈华钧(20)。

此外,前十的高校/机构中,在所发表的论文领域,各有侧重。

整体趋势来看,机器学习、AI、NLP、视觉,均是多所高校所占比最大的论文。

上下滑动查看

全美大排名,CMU第一

再来看全美计算机大排名,CMU当之无愧还是第一,UIUC位列第二。

接着,佐治亚理工学院、UC伯克利、UCSD三所高校,在全美并列第三。此外,纽约大学、斯坦福、康奈尔大学、MIT全部在列。

具体到AI领域,全美TOP 10高校中,CMU、UIUC排名不变。

马里兰大学帕克分校、UCSD、UC伯克利、斯坦福、康奈尔大学、JHU、佐治亚理工学院、UCLA、密歇根大学全部上榜。

就AI细分领域,CMU第一,弗吉尼亚大学、佐治亚理工学院排名第二、第三。

计算机视觉方面,斯坦福霸榜,紧接着第二、第三是UC伯克利、康奈尔大学。

针对机器学习领域,UC伯克利成为第一,CMU、MIT分别是第二、第三。

再来看自然语言处理,马里兰大学帕克分校位列第一,UIUC第二、CMU第三。

最后在网络与信息检索中,UIUC第一,伊利诺伊大学芝加哥分校第二,CMU、密歇根大学、华盛顿大学并列第三。

就全美AI板块下,各大高校论文发表所侧重领域来看,机器学习占最大头,此外视觉、NLP、AI等各有侧重。

上下滑动查看

CMU中发表超十篇论文有4人,其中一位是华人学者李磊(12)。

UIUC也有4人,全部都是华人学者,分别是:韩家炜(18)、季姮(16)、Yuxiong Wang(12)、Hanghang Tong(10)。

值得一提的是,UC伯克利发表论文超20篇有,具身智能领域大牛Sergey Levine、吴恩达首位博士生Pieter Abbeel、计算机视觉大师Trevor Darrell。

全球CS计算机排名

CSRankings,是目前最纯粹、最硬核、也最受学术圈认可的计算机科学院校排名之一。

它是由麻省州立大学阿姆赫斯特分校Emery Berger教授一手创建和维护,其最大的特点在于——

极其透明+完全基于客观研究产出。

简单来说,CSRankings只看一件事:全球各大高校/科研机构,在计算机领域顶会上的发表的论文数量。

没有问卷调查、没有声誉打分、没有主观指标,只看一个人实实在在发表了多少篇顶会论文。

这种唯「论文数量论」的方式简单粗暴,却也因此有极高可验证性和可重复性。

从覆盖范围来看,CSRankings可以查看全球总排名,还能细分大北美、欧洲、亚洲、澳洲、南美、非洲。

CSRankings把计算机科学分为了 四大板块,每个板块下面又有非常精细的划分:

  • 人工智能大类(AI)——目前最热门,也是最卷的方向

  • 系统类(Systems)

  • 理论类(Theory)

  • 跨科学领域(Interdisciplinary Areas)

上下滑动查看

具体排名依据

可能很多人看到排名数字时很困惑,为何不是简单论文篇数,而会出现小数点。

在公开信息中,CSRankings教职员的收录标准非常明确,只要满足以下条件,就能被纳入数据库——

  • 高校里全职(full-time)、终身教职(tenure-track);

  • 能独立指导计算机科学专业的博士生

这里,全职有一个清晰的定义,整个学年至少75%的工作时间属于该职位。

这条规则妙处在于,它并不局限于计算机系本部的老师。很多其他院系的教授,只要与CS系有兼职/附属合同,并独立带CS博士生,就能被算进去。

由此可见,CSRankings把真正活跃在CS博士培养一线研究力量都纳入统计,避免「只看系名、不看实际贡献」的尴尬。

论文署名&分数计算:1/N

CSRankings还采用了独特的分数分配规则:

每篇论文给每位作者1/N分,其中N是该论文的总作者数量,与作者身份(教授/学生)完全无关。

这一分数是永久固定的,不会因后来谁成为教授而调整。

这种计算方式,也有非常关键的限制——如果一篇论文所有作者都是(最终要成为)教职员,最多只能为机构贡献1.0分。

这么做的目的,原因只有一个,那便是防止人为操纵。

若单纯计数论文篇数(不管作者多少),就会出现极端情况,比如一篇论文加几十个作者,轻松把个人/机构产出刷高。

在GitHub上,Emery Berger教授已把此项目开源,让一切透明、可验证。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/1149824.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

科研党必备PDF利器|PDF-Extract-Kit镜像实现布局检测与公式识别一体化

科研党必备PDF利器|PDF-Extract-Kit镜像实现布局检测与公式识别一体化 1. 引言:科研文档处理的痛点与破局之道 在科研工作中,PDF文档是知识传递的核心载体。无论是阅读文献、整理实验数据,还是撰写论文,研究者常常面…

IP静态是什么意思?静态IP适用于哪些业务场景?

1 什么是IP静态?“IP静态”,指的是不会随时间或网络重连而发生变化的固定IP地址,也被称为“静态IP”或“固定IP”。 相对地,普通用户使用的多是“动态IP”,每次拨号或断网重连后IP都会变动。在网络业务中,I…

微服务分布式SpringBoot+Vue+Springcloud的美团餐饮商户点评管理与数据分析系统_

目录系统架构与技术栈核心功能模块数据处理与性能优化安全与扩展设计业务价值体现开发技术源码文档获取/同行可拿货,招校园代理 :文章底部获取博主联系方式!系统架构与技术栈 该系统采用微服务分布式架构,基于SpringBoot和SpringCloud框架构…

没技术背景也能用:AI分类器云端版,鼠标点击就运行

没技术背景也能用:AI分类器云端版,鼠标点击就运行 引言:当传统行业遇上AI分类器 作为一名传统行业的从业者,你可能经常遇到这样的困扰:每天需要处理大量重复性的分类工作,比如整理客户反馈、筛选合格产品…

HY-MT1.5-7B大模型深度应用|打造专业级法律翻译系统

HY-MT1.5-7B大模型深度应用|打造专业级法律翻译系统 在跨国法律事务日益频繁的背景下,高质量、高效率的法律文书双语转换已成为律所、企业法务和司法机构的核心需求。然而,传统人工翻译成本高昂、周期长,而通用机器翻译工具又难以…

何时我们才能完全相信纯视觉APP自动化测试?

在APP自动化测试的赛道上,纯视觉方案一直处于“争议中心”——有人觉得它摆脱了控件依赖,适配速度快,是多端测试的利器;也有人吐槽它稳定性差、易受环境干扰,关键时刻不敢全信。作为常年和自动化测试打交道的开发者&am…

零代码玩转AI分类:预置镜像直接调用,不懂Python也能用

零代码玩转AI分类:预置镜像直接调用,不懂Python也能用 1. 为什么市场专员需要AI分类工具 想象一下这样的场景:每天早晨打开邮箱,数百封客户咨询邮件像雪花一样涌来。有询问产品价格的,有投诉售后服务的,还…

35.轴承滚珠检测

1.根据图中绿色线条覆盖的所有滚珠中心拟合出Circle3,找到图中所有滚珠,如果滚珠的数量小于15为红色,反之为绿色 2.计算滚珠到圆1的距离,显示最大值与最小值,如果最小值小于像素80,物料NG,反之物料OK,判断Circle4的有无 3.计算各个圆的半径以及相邻两个圆的半径差,最…

从下载到运行AutoGLM-Phone-9B|手把手教你搭建多模态推理服务

从下载到运行AutoGLM-Phone-9B|手把手教你搭建多模态推理服务 1. 环境准备与系统依赖配置 1.1 AutoGLM-Phone-9B 的硬件与软件要求解析 AutoGLM-Phone-9B 是一款专为移动端优化的多模态大语言模型,融合视觉、语音与文本处理能力,支持在资源…

无需GPU!轻量级中文情感分析镜像,一键部署API与Web界面

无需GPU!轻量级中文情感分析镜像,一键部署API与Web界面 1. 背景与需求:为什么需要轻量级中文情感分析? 在当前AI应用快速落地的背景下,中文情感分析已成为企业客服、舆情监控、用户反馈处理等场景中的核心能力。传统…

灯,照亮美业前行的路

曾几何时,你坐在门店里,心里装着清晰的运营蓝图,却总觉得它在现实中逐渐模糊。每周例会上,目标喊得响亮,却在日常运营中被悄悄遗忘;任务层层下达,却在执行环节打了折扣;激励制度白纸…

[记录/教程] 老树发新芽:技嘉 B85M-D3H + E3-1246 v3 实现 NVMe 启动 PVE (Clover 方案)

前言 手头有一台退役的老主机,主板是技嘉 B85M-D3H,CPU 是 E3-1246 v3。最近想把它利用起来做 Proxmox VE (PVE) 服务器。 但是 B85 这种老主板原生不支持 NVMe 协议启动,插了转接卡只能当从盘,没法做系统盘。为了不改动主板 BIOS…

中文文本相似度技术选型与落地|基于GTE模型的高效解决方案

中文文本相似度技术选型与落地|基于GTE模型的高效解决方案 1. 引言:中文语义相似度的技术挑战与选型背景 在自然语言处理(NLP)领域,文本相似度计算是构建智能问答、推荐系统、去重引擎和语义搜索的核心能力。尤其在中…

我花9个月造了个轮子:UpgradeLink,搞定全端应用升级的所有麻烦

Hey 各位开发者👋! 作为一个常年折腾跨平台应用的开发者,过去半年我真的被「应用升级」这件事磨到没脾气: 给公司做的 Tauri 应用要适配 Windows/Mac/Linux 三套升级逻辑,改一次代码要测三遍;之前用 Elec…

32 位浮点数(IEEE 754 单精度)数轴分布技术文档

目录 1. 文档概述 2. 核心定义与格式 2.1 IEEE 754 单精度浮点数结构 2.2 数值表示公式 3. 数轴分布核心特性 3.1 整体分布规律 3.2 关键区间分布说明 3.3 直观示例 4. 编程指导意见 4.1 精度控制建议 4.2 边界值处理 4.3 性能与精度权衡 5. 常见问题与解决方案 6…

AutoGLM-Phone-9B核心优势揭秘|轻量多模态模型本地化落地

AutoGLM-Phone-9B核心优势揭秘|轻量多模态模型本地化落地 1. 技术背景与核心价值 随着大模型在消费级设备上的应用需求日益增长,如何在资源受限的移动端实现高效、低延迟的多模态推理成为AI工程落地的关键挑战。传统大语言模型通常依赖云端部署&#x…

分类模型压测工具:云端GPU模拟百万QPS,成本可控

分类模型压测工具:云端GPU模拟百万QPS,成本可控 引言 作为技术负责人,你是否遇到过这样的困境:系统上线前需要验证承载能力,但本地测试环境根本无法模拟真实的高并发场景?传统的压测工具要么性能不足&…

StructBERT中文情感分析镜像发布|CPU支持+开箱即用Web界面

StructBERT中文情感分析镜像发布|CPU支持开箱即用Web界面 1. 背景与需求:中文情感分析的工程落地挑战 在自然语言处理(NLP)的实际应用中,中文情感分析是企业级服务中最常见的需求之一。无论是电商评论、客服对话还是…

SQLite 数据库的存储优化技术与策略

SQLite 数据库的存储优化技术与策略 关键词:SQLite、存储优化、数据库性能、索引优化、数据类型选择 摘要:本文深入探讨了 SQLite 数据库的存储优化技术与策略。首先介绍了 SQLite 数据库的背景和存储优化的重要性,接着阐述了核心概念,包括数据库结构和存储原理。详细讲解了…

从零到一:构建高可信、可扩展的企业级电子签章系统——以“开放签”架构设计为例

摘要: 在数字化转型浪潮中,电子签章已成为企业降本增效、实现无纸化办公的核心基础设施。然而,构建一个不仅技术先进,更要满足严格法律合规性与复杂企业业务场景需求的电子签章平台,挑战巨大。本文将以“开放签”电子签…