I skärningspunkten mellan rigorös teori vid Kungliga Tekniska högskolan (KTH Stockholm) och storskalig mjukvaruutveckling bygger vi framtidens agentiska organisationer, där deterministiska verifierare och probabilistiska språkmodeller samverkar under strikta riskrestriktioner. Som student vid PhD in Decision and Control Systems (Karl Henrik Johansson Networked Control School), Mathematical Statistics & WASP AI behöver du inte kompromissa mellan krävande föreläsningsserier och spetsforskning: våra asynkrona R&D-poddar är schemalagda för att harmoniera med din ordinarie studieplan. Här omsätter du 100 % av din universitetsmatematik – från konvex optimering och Ledoit-Wolf-kovarianskrympning till extremvärdesteori och Neyman-Pearson-kaskader – i skarp, distribuerad produktionskod. Tillsammans omvandlar vi klassisk portföljvalsteori till beräkningsmässig arkitektur: korrelation är den nya personalstyrkan.
Flexibel tidsallokering helt anpassad efter föreläsningar, laborationer, räkneövningar och obligatoriska inlämningsuppgifter vid universitetet. Vårt samarbete sker asynkront via pull requests, matematiska specifikationer och strukturerade kodgranskningar utan fasta mötestider.
Konkurrenskraftig internationell ersättning på $20–$45/h USD på distans med fullt garanterat tentamensskydd. Under kontrollskrivningar, omtentaperioder och ordinarie tentamensveckor pausas din poddinsats helt (0 timmar/vecka) med absolut platsgaranti när studierna återupptas.
Direkt synergi med ditt kandidatarbete, civilingenjörsexjobb eller masteruppsats genom medförfattarskap i referentgranskade preprints (2024–2026). Alla antagna studenter erhåller fri access till vårt öppna 39-timmars CPE-bibliotek och arkiv med forskningsrapporter via {preprints_url}.
| Universitetskurs & Teoretiskt område | Matematisk formulering / Sats | R&D-forskningspod | Agentisk produktionsarkitektur |
|---|---|---|---|
| Konvex optimering & Kvadratisk programmering | min_w w^T Σ w s.t. w^T μ ≥ μ*, 1^T w = 1, w ≥ 0 |
POD-01: Optimal Compute Allocation | Optimal allokering av beräkningsvikter över heterogena LLM-modeller och deterministiska verifierare för att minimera varians i resonemangskvalitet vid garanterad träffsäkerhet. |
| Sannolikhetsteori & Korrelerade försök | N_eff = N / (1 + (N - 1)ρ̄) |
POD-01: Ensemble Orthogonalization | Härledning av varför 50 korrelerade prompts vid ρ̄ = 0,70 endast genererar N_eff ≈ 1,42 oberoende experter; ortogonalisering av agentensembler för att eliminera redundant samvarians. |
| Högdimensionell matematisk statistik & Ekonometri (N > T) | Σ̂_LW = (1 - δ*)S + δ*F |
POD-02: Covariance Shrinkage & Spectral Filtering | Ledoit-Wolf-kovarianskrympning mot enstruktursmatris och Marčenko-Pastur-spektralfiltrering för att rensa brusiga empiriska felkovarianser på korta evalueringssviter. |
| Aktuarisk riskanalys & Extremvärdesteori | Σ⁻_ij = E[min(R_i-τ,0)min(R_j-τ,0)], CVaR_99%(L_w) ≤ M_audit |
POD-02: Downside Risk & Tail Bounds | Markowitz (1959) nedåtsemivarians för asymmetrisk svansrisk i hallucinationer samt Rockafellar-Uryasev CVaR_99%-optimering under strikta regulatoriska revisionsgränser. |
| Finansiell ekonomi & Stokastisk kalkyl | w_tan ∝ Σ⁻¹(μ - c·1), SR(w) = w^T(μ - c) / √(w^T Σ w) |
POD-03: Tobin Separation & Tangency Architecture | Tobins separationsteorem: modellering av deterministisk kod och kompilatorer som riskfri tillgång (σ_0 = 0) i kombination med den optimala tangensportföljen av generativa modeller. |
| Sekventiell hypotesprövning & Kaskadallokering | P(Type I Error) ≤ α (Neyman-Pearson FrugalGPT/RouteLLM Cascade) |
POD-04: Routing Cascades & Research Dissemination | Neyman-Pearson-baserad sekventiell modellruttning (FrugalGPT/RouteLLM) med garanterad typ I-felsnivå samt integration mot vårt 39-timmars CPE-bibliotek på {preprints_url}. |
1. KTH / SSE Career Hub & Graduateland Nordics: Sök vår forskningspod direkt via karriärportalen KTH / SSE Career Hub & Graduateland Nordics vid Kungliga Tekniska högskolan (KTH Stockholm). Ange din inriktning, dina kurser i matematisk statistik, optimeringslära eller maskininlärning, samt länk till GitHub eller relevanta kurslabbar. Ansökningar behandlas löpande av vårt forskningsteam. (RSS/XML Job Feed · iCal Open Office Hours · Google Classroom)
2. Python Seminar & Thesis Kit (/uni/se-kth-royal-institute-of-technology/lab.py): Ett reproducerbart 5-minuters Python-laborationsskript för seminarier och räkneövningar som empiriskt beräknar N_eff för korrelerade prompts och implementerar Ledoit-Wolf-krympning (Σ̂_LW) över verkliga LLM-evalueringsmatriser.