AIedu 2026-10-27｜AI 赋能学习与高等教育数字化转型日报
覆盖窗口：2026-10-24 ~ 2026-10-27（周二） 主题聚焦：AI 赋能学习 · 高校数字化转型 · AI 教育 · 教学改革 本期主线：AI 使用边界开始"清单化"落地 · 培养方案出现可审计的硬指标 · 学科垂域大模型沉淀出通用方法论 · AI 产出的"验证"成为独立环节
一、今日速览
| # | 事件 | 主体 | 日期 | 关键词 |
|---|---|---|---|---|
| 1 | 北京高教场景"禁止准入"清单集中发酵；浙江 29 场景 AI 素养框架、川大"四阶十维"挂钩职称 | 北京市教委 / 浙江省 / 四川大学 / 信阳师大 | 2026 版指南 + 10-26 梳理 | 边界清单化 |
| 2 | 《中国科学报》高教聚焦头条：没有 token 的学生会被淘汰吗——南大蒋炎岩专访 | 中国科学报 / 南京大学 | 10-27 | AI 时代的"入场券" |
| 3 | 南京审计大学金审学院印发改革实施意见：三赋能三防止 + AI+ 课程占比 80%/70% 硬指标 | 南京审计大学金审学院 | 10-26 | 培养方案量化 |
| 4 | 中南大学"雅护知芯"护理教育大模型发布：34 门核心课 + 六大智能体 + 五位一体 | 中南大学（湘雅护理） | 10-26 | 垂域大模型方法论 |
| 5 | HolonIQ Q3 教育 AI 观察：高校×AI 企业合作占比从 2.1% 升至 12%，高教 AI 政策条目增长 5 倍 | HolonIQ by QS | 10-23 发布 / 10-27 扩散 | 全球数据坐标 |
| 6 | OpenAI 三项数学物理成果移交学界：三种发布策略、四条原则、500 万美元给 Simons 基金会 | OpenAI / UCSD / MIT / UCSB / 多国团队 | 10-26 | 验证成为产品 |
| 7 | 明尼苏达大学专家共识映射 65 个学习过程；REAL 框架提出 Retained/Eroded/Atrophied/Leveraged | UMN CEHD / Anderson University | 10 月 / 10-27 发表 | 学习科学给位置 |
| 8 | “四邮四电"八校发布《杭州共识》，与中国电子集团建立"1+8"战略合作 | I8 联盟 / 中国电子 / 南京邮电大学等 | 10-26 | 教科人一体化 |
二、重点解读（8 条）
1. AI 边界从"能不能用"变成"清单怎么用”：北京高教场景回国落地，浙江拆 29 个场景、川大挂钩职称
事件内容 10 月 26 日，麦可思研究等机构对《北京市教育领域人工智能应用指南（2026 年）》的高等教育条款做了集中梳理。该指南自 2024 年起每年更新，2026 版的核心动作是建立"禁止准入 / 有限使用 / 鼓励使用“三类清单，并把清单细化到七大高等教育场景。落到高校，“禁止准入"包括：
- 教学：不能用 AI 替代教师授课与学术指导，不能设置不用动脑的"一键式"考核；
- 学习：不能把 AI 生成内容冒充本人作业提交，不能把分析、推理、设计等高阶思维过程整体外包；
- 考试评审：各类考核、学位资格审查不得用 AI 答题，AI 评分不能作为成绩认定的唯一依据；
- 育人：思政、心理辅导不得由 AI 代做价值判断，不得诱导学生养成"凡事问 AI"的依赖；
- 科研诚信：学位论文核心原创部分不得 AI 代写，不得编造 AI 生成的假文献、假数据。
其底层判断是：在需要体现独立学术能力、独立思考能力、专业判断力与伦理思辨力的场景中，AI 必须止步于学术诚信与专业责任的红线之前。指南同时要求学校制定本校制度，教师须提前向学生声明可用与不可用 AI 的范围，并要求学校"避免一刀切的简单化管理”。
值得注意的是，边界正在从"文件文本"转向"制度接口”：
- 浙江出台高校教师 AI 素养框架，把教学场景拆分为 29 个具体场景；
- 四川大学 2026 年 4 月起推行"四阶十维“教师 AI 素养框架，实行学分认证制，并把 AI 教学应用、创新案例开发等成果纳入职称评审、年度考核、评优评先指标；
- 信阳师范大学划定基础级、熟练级分级要求，考核结果与教学考评、职称评定直接挂钩。
为什么值得关注 这可能是本学期最实用的一份参照模板，原因有三： ①**“AI 评分不得作为唯一依据"是可直接写入教务文件的条款**——它同时解决了"用 AI 批改"和"用 AI 评分"两个容易被混为一谈的动作； ②**“教师须提前声明边界"把责任前置到了教学设计阶段**，而不是等到学术不端发生后再追责，这与南审金审（见第 3 条）、密歇根大学此前的 AI 原则形成同一方向； ③多个省份开始把 AI 素养与职称评审硬挂钩，意味着"学不学 AI"从倡导变成了职业门槛。对正在起草"十五五"教改方案或 AI 使用规范的院校，三类清单 + 场景细分 + 评价挂钩这套组合拳，几乎是现成的本地化骨架。
提醒：各地校各自的执行口径更新很快，引用前请以本校主管部门转发的最新原文为准。
2. 《中国科学报》高教聚焦头条：没有 token 的学生，会被淘汰吗？
事件内容 10 月 27 日《中国科学报》第 4 版"高教聚焦"刊发《没有 token 的学生，会被淘汰吗？——一位计算机专业老师的回答》，主角是南京大学计算机学院副教授蒋炎岩。今年夏天他在"生成式软件工程"第一节课上抛出”没有 token 的 CS 学生应立即退学"，引发全国范围的争论。
报道披露了几个关键细节：
- 课程设计：这是面向计算机专业大三学生新开设的选修课，评定方式只有 Pass / No Pass 两档——用评分机制倒逼学生放弃"刷分”，转向真实产出；
- 争议回应：蒋炎岩当场解释，学生不需要像企业那样"烧 token”，课堂使用相对便宜的模型，并对确有困难的学生当场承诺"帮助想办法"；
- 真实意图：“只有把话说重一点儿，大家才能听得进去”——他真正担忧的是 AI 环境下计算机人才培养的整体错位；
- 行动主张：呼吁教师把重心放回课堂尤其是启蒙课程，力争"每个知识点的呈现都与学科体系紧密衔接"；提出减学分，让学生利用课后时间自主探索，“想撕开一个小的口子”。
专家地位的张力也值得注意：这位"说重话"的老师是南京大学"学生最喜爱的老师"，其"操作系统"课程网络播放量超 500 万次。
文章同时给出了国际坐标：2025 秋斯坦福计算机系开设"现代软件开发者"（要求学生用 AI 工具完成软件开发全流程）；2026 春复旦大学面向非计算机专业开设"生成式软件开发"（“人人都是程序员”）；2027 学年起新加坡高校学生将必修 AI 课程。
为什么值得关注 这条之所以值得放在靠前位置，是因为它把一个被回避的问题摆到了台面上：AI 时代的入学门槛，正在从"会不会算/能不能算"变成"有没有资源调用算力"。 ①Pass/No Pass 是低成本、高杠杆的评价改革切口——不用改培养方案、不用加课程，只改一门课的评分口径，就能把学生从"AI 代做→刷高分"的循环里拉出来； ②**“有过 token” 是一场关于教育公平的新命题**。如果 AI 实践能力必须由 token 堆出来，那么家庭的算力援助 shrimp difference 就是新的学生分层线；高校需要回答的是"谁来给学生发 token"； ③它从反面印证了第 5 条的数据——AI 六成投入正在流向"人"而非"算力"，而"给学生配多少算力"恰恰是国内高校目前普遍的空档。
3. 南京审计大学金审学院印发《深化本科人才培养模式改革的实施意见》：三赋能三防止 + 80%/70% 硬指标
事件内容 南京审计大学金审学院近日发布《关于深化本科人才培养模式改革的实施意见》（南审金审教〔2026〕21 号），其中"AI 能力培养"部分给出了本学期少见的一组可审计的量化条款：
① 三赋能 · 三防止（导向性准则）
- 三赋能：赋能高阶思维（AI 承担检索、整理、草拟等低阶工作，课堂时间腾给审辨、判断、创造）；赋能个性化学习（依托学情画像，从"菜单式供给"转向"个性化定制"）；赋能实践能力（虚拟仿真、智能体、真实业务场景）；
- 三防止：防止把 AI 当成更高效的"电子讲授机"；防止以 AI 替代学生思维过程；防止 AI 炫技架空育人目标。
② 三层融通的课程体系（含硬指标）
- 通识层：面向全体学生开设 3 学分《计算机基础与人工智能》必修课，纳入 2026 版培养方案通识必修模块，覆盖 AI 基本原理、工具应用、数据伦理与学术诚信；
- 专业层：学科基础课中"AI+“课程占比不低于 80%，专业核心课中"AI+“课程占比不低于 70%；
- 支撑层：深化"学习通"平台智能化应用，引进或开发学科大模型，建设”AI 应用超市"、虚拟仿真实验室、PBL 教学空间，形成助教、助学、助研、助管、助评五类应用场景。
③ AI+ 专业赛道：新商科板块重点建设智能审计、智能财务、智能风控；新工科板块建设大数据智能分析、智能系统开发；新培育板块建设智慧康养、数字艺术与 AI 融合，要求"课程内容跟着产业技术走、能力训练对着真实场景练”。
④ 边界文件：2027 年内出台《南京审计大学金审学院教学人工智能工具使用规范（试行）》，明确教学各环节的允许、限制与禁止三类边界，划清学术诚信红线，把"会用、善用、负责任地用“纳入师生素养评价。
为什么值得关注 这是目前公开发文的院校里，把 AI 改革从"倡导"推进到”可被检查“的最完整样本之一。 ①80% / 70% 是可核对的数字——它避开了"推动深度融合"这类无法考核的表述，教务处逐门课程对照就能算出完成率；对其他院校来说，这两个数字（甚至可以下调）比一份愿景更有迁移价值； ②**“三防止"比"三赋能"更值钱**——“电子讲授机"“替代思维过程"“炫技架空目标"正好对应高校 AI 项目最常见的三种跑偏，可以直接作为立项评审的否定项； ③**“AI 使用规范"设置到 2027 年，是先实践、后立规的时间差设计**——避免了一上来就用规则锁死探索空间，同时也给 2026 级学生一个明确预期。
4. 中南大学"雅护知芯"护理教育大模型发布：学科垂域大模型的"五位一体"方法论成型
事件内容 10 月 26 日，第十三届湘雅护理国际学术会议暨第三届智汇护理·未来科学家论坛在长沙开幕，由中南大学打造的”雅护知芯"（YaCare LLM）护理教育大模型正式启动发布，恰逢湘雅护理教育 115 周年。
技术与应用结构：
- 数据层：深度融合湘雅医学大数据 IDC、人卫湘雅医学教育大模型、星启基础医学大模型、“云智康"智慧康养大模型，构建国内领先、规模最大的基础医学—护理学科多模态数据库；
- 体系层：构建”基座模型—知识图谱—能力图谱—语料库—智能体“五位一体的学科智能化体系；
- 教学层：依托 34 门护理核心课程、六大智能体搭建全域学科图谱，打通理论教学、临床实训、科学研究全链条；
- 专业层：形成覆盖护理学专业及多个护理相关微专业的”1+n“专业群模式，实现产业需求与人才培养的可视化闭环；
- 目标：打造集学生自主学习、执业资格备考、教师教学赋能、科研支撑服务于一体的综合智慧平台，落地后年度可惠及合作院校护理学生逾万人。
为什么值得关注 近期学科垂域大模型密集发布（本刊先后追踪了天津大学储能学科垂域大模型 1.0、西北师范大学简问、福建师范大学同源观澜等），这条的价值在于它给出了一个可复用的五层结构，而不只是一次发布仪式： ①**“能力图谱"被单独列为一层**，是关键差异点。多数院校的学科大模型止步于"知识图谱 + 问答”，而"能力图谱"把模型锚定到"学生会做什么"而不是"模型知道什么”，这正是防止 AI 沦为答题机器的结构前提； ②**“1+n 专业群 + 微专业”让大模型从一门课的工具升级为专业群的公共底座，摊薄了建设成本，也为"微专业证书"提供了可交付的内容； ③“可视化闭环”**回应了"钱花在哪、有没有用"的问责压力——这与第 5 条中"缺少 AI 成效度量”（KPMG 曾指出仅少数机构真正测量 AI 投资回报）这一全球共性痛点直接对应。
5. HolonIQ《2026 年第三季度教育 AI 观察》：AI 相关高校合作占比五年从 2.1% 涨到 12%，政策条目一个季度翻 5 倍
事件内容 教育市场研究机构 **HolonIQ（by QS）**于 10 月 23 日发布《2026 年第三季度教育 AI 观察报告》，披露全球高校与 AI 企业合作的结构变化：
① 合作结构剧变 五年前，全球高等教育合作中每 100 项约有 2 项涉及 AI 与数据；如今这一数字增至 12 项（2.1% → 12%）。
② 投入方向向"人"集中 2026 Q3 全球教育 AI 相关举措类型分布：技能培训与能力提升 40%、学位与课程体系建设 23%（合计 63%）；国家战略与投资 10%；科研机构与算力建设 9%；其他 18%。
③ 地区分布 美国最活跃，Q3 项目数超过 100 项；英国处于 30–99 项区间；中国、印度处于 10–29 项区间；欧洲、东南亚、南美部分国家亦有布局。报告同时说明，数据反映举措数量，不能直接代表投资规模与应用成效。
④ 政策规则加速成型
- 菲律宾高等教育委员会发布 第 21 号备忘录令，为高校在教学、科研及运营中使用 AI 建立全国性框架；
- 美国佛罗里达州要求辖下 28 所公立学院原则上禁止学生在评分作业中使用 AI，除非获得教师许可；
- 7 至 9 月，涉及高等教育的 AI 政策条目数量增长了五倍，其中指导原则和政策框架的数量约为直接禁令的两倍；
- QS 研究显示：67% 的学者和 62% 的学生每周都会使用生成式 AI。
为什么值得关注 这组数据是目前少见的、能把"AI 能不能进校园"的争论转化为坐标的公开材料： ①**“63% 投向人，9% 投向算力”是本期最有决策价值的一条。它说明全球资金的重心已经从"买机器"转向"造能力”，对国内正在纠结"先建算力还是先改课程"的院校是直接答案； ②“指导原则约为直接禁令的两倍”解释了与本刊观察一致的现象——边界清单正在成为政策主产品（见第 1 条），而不是简单的封禁； ③中国在举措数量上处于 10–29 项区间**，与庞大的高校基数不成比例，说明中国高校的 AI 改革更多发生在校内制度与课程层面，尚未大量转化为对外公布的校企合作协议——这既是差距，也意味着下一步的可见机会窗口。
6. OpenAI 三项成果移交学界：不是"AI 证明了”，而是"谁来证明 AI 说的”
事件内容 OpenAI 于 10 月 26 日宣布其模型产出三项突破性结果，同日（北京时间 10 月 27 日凌晨）国内媒体跟进：
| 领域 | 主张 | 时间线 | 当前公开物 |
|---|---|---|---|
| 调和分析 | 证明局部光滑猜想（local smoothing）的所有维度，进而解决 Kakeya 猜想与 Stein 限制猜想 | 10-18 获产出，10-19 完成 Lean 形式化 | AI 自然语言写稿 + Lean 证明已公开至 GitHub |
| 复杂度理论 | 推翻指数时间假设（ETH） | 10-16 自然语言，10-17 Lean 形式化 | 自然语言写稿 + Lean 证明已公开 |
| 量子场论 | 给出四维规范场加费米子理论（含 QCD）与纯杨-米尔斯理论存在性的严格数学证明，触及千禧年大奖难题范畴 | 9-9 杨-米尔斯自然语言，10-16 Lean；9-18 QCD | 暂不发布，由外部小组自行撰写 |
真正的新意在于发布机制。OpenAI 邀请外部专家担任” shepherd（引路人）"，按他们的建议采用三种不同策略：数学结果原文直发，由学界自行组织理解；计算机科学结果组建外部协作组解释，同时公开 AI 产出；物理结果由外部协作组主导，暂不发布 AI 原始材料。
四条协作原则：透明（不签保密协议，参与者可自由讨论、分享中间产物、发表结论）、不要学术署名（OpenAI 不为模型产出寻求学术荣誉，参与 shepherd 也不等于参与原始发现）、承认（外部小组因其所发展的理解、所撰写的稿件获得承认）、独立（志愿、无酬、发言人立场属己方）。OpenAI 另向 Simons 基金会捐赠 500 万美元用于 AI 产出结果的研讨会与会议。
承担 ETH 评审的三位专家是 UCSD 的 Russell Impagliazzo、Ramamohan Paturi 与 MIT 的 Ryan Williams；他们在公开信中明确表示："我们的参与不应被视为对该主张的认证。这一量级的结果需要审慎、独立的审查。“并强调”我们未签署任何保密协议，也不会接受报酬"。Williams 将该结果概括为：n 变量 3SAT 可在约 exp(n/(log n)^(1/2+o(1))) 时间内求解。物理组由诺奖得主 David Gross 领衔，成员包括 Michael Douglas、Arthur Jaffe、Igor Klebanov、Nikita Nekrasov。
为什么值得关注 对高校而言，这件事的意义远超"AI 又解了一道数学题"： ①**“原始研究数据"的定位，是给学术界的正式接口定义**。OpenAI 自称这批稿件 best understood 为 raw research data——这意味着 AI 产出进不了"成果"清单，必须经过人类小组转化为"理解"才算知识。高校在修订 AI 时代科研诚信规范时，可以直接引用这一定性； ②Lean 形式化把"证明"和"证明的正确陈述"拆开了。正如分析人士指出的，Lean 证明的强证据性前提是"形式化陈述与数学家所指的定理一致”，而这一步恰恰最需要专家。这给"AI 结果怎么审"提供了可操作的审查点； ③**“跨越 bright-line 的是真相 check，不是生成”**。生成花了数周，检查却是一个有具名审稿人的社会过程。高校可以把这套逻辑平移到教学：AI 写一版答案很便宜，让学生证明 AI 的答案对不对才是新的能力单元。
7. 学习科学给出"使用位置图"：65 个学习过程 + REAL 框架
事件内容 两条几乎同期的成果，共同把"AI 该在哪一步用"变成可写进教学大纲的规则。
① 明尼苏达大学 CEHD 专家共识（2026 年 10 月，多作者） 映射了 65 个学习过程，结论是：生成式 AI 在练习阶段（practice-stage）的学习中最有帮助，但对学习者能动性（agency）与基础技能发展构成明确风险。由此给出的设计护栏是：把 AI 部署于练习、规模化反馈、脚手架搭建，不要用于首次接触式教学（first-exposure instruction）与高风险评价（high-stakes assessment），并要求教师监督与显式 AI 素养训练。
② REAL 框架（Martin Jones，Anderson University；《Journal of Educational Effectiveness …》/ Emerald JEET，2026-10-27 在线发表） 论文指出，关于生成式 AI 最重要的问题不是"它能做什么"，而是"反复使用它正在对我们做什么"，据此提出 REAL 四个反思维度：
- Retained（保留）：哪些人类能力被有意识地保留、继续亲自练习；
- Eroded（侵蚀）：哪些能力因委托而被削弱；
- Atrophied（萎缩）：哪些能力因长期不用而实际退化；
- Leveraged（借力）：哪些环节被有意借 AI 增强。
框架整合了能动性与委托代理关系、认知卸载、认知储备、合意困难（desirable difficulty）、自动化偏见与人机协作等研究成果。作者明确承认这是概念性框架，尚未实证验证或工具化，需要纵贯研究。
为什么值得关注 这两条合起来，恰好补上了本刊此前连续追踪的"评价方式崩塌"链条的解决方案端： ①**“练习阶段用、首次接触与高风险评价不用”是目前最简洁、最可直接翻译成课程规则的一句话——它同时解释了为什么"AI 助教答疑"效果好而"AI 讲新课"常翻车； ②REAL 四问可以直接做成一张作业自查表**：这门课/这个任务，我要亲自保留什么？AI 侵蚀了什么？长期会萎缩什么？我借力了什么？相比"不要过度依赖 AI"这类空话，它可自检、可讨论、成本几乎为零； ③它也与本刊此前的编辑推荐同构——"先提交自己的尝试，再获得 AI 反馈"——REAL 只是把这条经验规则拆成了四个可审计的维度。
8. “四邮四电"八校发布《杭州共识》：行业特色高校把 AI 写进"教科人一体化”
事件内容 2026 年电子信息特色高校发展大会暨人工智能赋能教科人一体化高质量发展大会在杭州举行，由南京邮电大学等 “四邮四电"八所高校共同举办。开幕式上，八校共同发布”人工智能赋能教科人一体化高质量发展·杭州共识"；同期，中国电子信息产业集团有限公司与八校共同签署战略合作协议，正式建立"1+8“战略合作关系，围绕关键核心技术攻关、高能级科研平台共建、学科建设、科技成果转化、创新人才培养开展全方位合作。
主论坛报告呈现产学研三种视角：
- 中国工程院院士云晓春：AI 时代我国网络安全面临巨大压力，阐述非对称竞争战略思想，探讨弯道超车的差异化路径；
- 中国工程院外籍院士、加拿大皇家学会院士沈学民：从科研智能化、教学范式创新到治理体系现代化，探讨 AI 在高等教育领域的创新应用与趋势；
- 中国电子首席科学家、中电金信研究院院长况文川：剖析 AI 规模化应用背后的数字基础设施建设；
- 华为浙江总经理（政企业务）白骋宇：提出”有组织科研的出题机制“与”工程化人才通道"，推动校企合作从"共识"走向可执行、可检验的约定。
大会设四个专题分论坛：育人共同体建设、人工智能学院建设、人工智能开源生态建设、人工智能赋能产业科技创新；并组织走访正泰、新华三、虹软、思看科技、申昊科技、灵伴科技等多家企业。
历史脉络同样清晰：从 2023 年《北京宣言》举旗定向、2024 年《成都倡议》立柱架梁、2025 年《南京行动》深耕实践，到本次《杭州共识》，“I8 联盟"形成了常态化协同机制。
为什么值得关注 ①**“有组织科研的出题机制”是本期最值得抄走的一个提法。当前绝大多数校企合作止步于"企业出题—学校接题”，而"出题机制"意味着把"谁来定义真问题"本身制度化，这与本刊 10-26 期关注的南京"物理 AI 与世界模型"产业联盟（校地共建实验室、组织真实数据资源）在结构上是一致的创新； ②四个分论坛里有三个是机制而非技术**（育人共同体、AI 学院、开源生态），说明行业特色高校联盟的关注点已经从"买什么设备"转向"怎么组织起来"； ③对电子信息类院校，这是可直接对标协作样板；对综合类院校，其价值在于印证一个判断——AI 时代的校际竞争单元正在从"学校"变成"联盟"，单校自建全息平台的性价比正在下降。
三、今日快讯
| # | 事件 | 主体 | 日期 |
|---|---|---|---|
| 1 | 四川省高校智慧慕课联盟成立，52 家成员高校；2026—2027 重点上线"川智慕课“共享平台；未来 3—5 年聚焦"建标准、强课程、育教师、融产业、改评价、守底线”。西南民大已立项建设 136 门智慧课程；沈火明提出推动"师生"二元结构向"师生机“三元结构转变 | 四川省教育厅 / 西南民族大学 / 西南石油大学 | 10-24 会议 / 10-26 报道 |
| 2 | 江苏公布人工智能赋能教育行动试点区域与学校名单（苏教信办函〔2026〕15 号），无锡学院入选试点高校；学校配套印发《人工智能赋能教育教学实施方案（2026—2030 年）》，布局教务智能化、“AI+“专业集群、课程教材创新、师资 AI 素养、校级大模型平台 | 江苏省教育网络安全和信息化领导小组办公室 / 无锡学院 | 近日 |
| 3 | 2026 世界职业技术教育发展大会上，天津大学发布全国首个职业教育产教融合生成式大模型：以"职业"为中介点构建"产业—行业—职业—专业"联动谱系，提供职教问津大模型、产教融合链路计算、智能体协同编排、运行监测与成效评价四类能力，已搭建 20 多个应用场景，在天津电子信息职业技术学院、湖北三峡职业技术大学落地 | 天津大学 | 10-26 |
| 4 | 教育部"人工智能赋能高等教育人才培养"师资培训本周密集扩散至西安交通大学、淮阴师范学院、浙江音乐学院、宝鸡文理学院、江苏师范大学、沈阳理工大学等；上海工程技术大学将参训率、取证率纳入学院年度教学工作考核；报名/学习截止 11-30，证书导出截止 12-31 | 教育部高教司 / 各高校 | 进行中 |
| 5 | 上海多校 2026 年度本科专业增撤集中公示：华东师大新增人工智能、计算语言学、密码科学与技术、遥感科学与技术等 6 个专业，累计停招 26 个；上海交大拟增设量子信息科学、语言智能、智能电网信息工程；上海师大拟正式申报人工智能教育、科学与工程教育，预申报低空技术与工程、具身智能；上海大学 2027 级研究生新增低空技术与工程等 9 个专业 | 上海高招发布 / 各校信息公开网 | 10-26 汇总 |
| 6 | 第三届"人工智能赋能思想政治教育高质量发展论坛暨思政大模型理论与实践"将于 11-15 在电子科技大学举行，投稿截止 10-30，8000—12000 字 | 电子科技大学 / 中国电子教育学会思政分会 | 11-15 |
| 7 | “语言智能科技与外语教育革新论坛"将于 11-13 至 11-15 在海口举行，议题含外语课堂智能体协同、课程改革与多元评价、伦理风险治理、教师数字素养；不收会务费 | 海南师范大学 / 重庆市人工智能学会 / 四川外国语大学 | 11-13 |
| 8 | “人工智能应用驱动智能财经教学新形态研讨会"在长春召开，100 余位专家与骨干教师参会；上海财大朱凯提出从"拼图式"知识传授转向”补图+创图“并重的沉浸式真实项目制学习（汇报—点评—迭代闭环）；哈商大分享智能会计人才自主培养 | 中国商业会计学会 / 吉林工商学院 | 10-24 |
| 9 | 中国教育报头版聚焦职教"两翼”（市域产教联合体 + 行业产教融合共同体）驱动教学关键要素改革，提出"六共"机制（共定标准、共享资源、共建课程、共编教材、共建基地、共投资金）实现"三同” | 中国教育报 | 10-27 头版 |
| 10 | 牙买加科技大学（UTech）首批 100 名人工智能副学位学生完成入学导向，启用国家 AI 实验室；企业方称"产业雇执行能力，不雇一纸文凭”，实验室同时作为人才侦察场 | UTech, Jamaica / Amber Group | 近日 |
| 11 | 佛罗里达大学工程学院举办首届 HWCOE AI Days（隶属 UF AI2 Center AI Days），70 余名师生参与，聚焦负责任使用 AI 所需的技术专长、伦理判断与跨学科视角 | University of Florida | 近日 |
| 12 | SoftServe University 推出 EDUPRO 2026: AI for Educators：面向欧洲与拉美高校教师的免费线上项目，11-10 至 12-7 共 5 场，覆盖 AI 领导力、AI 原生大学、AI 教学、科研与安全治理，完成者可获 0.5 ECTS 微证书；依托 97 所大学伙伴网络与 8800+ 教育者社区 | SoftServe | 10-23 |
四、趋势研判
边界清单化已成为 AI 政策的"主产品”，且正快速向制度接口延伸。 不仅北京的三类清单被高校圈集中援引，HolonIQ 也给出量化印证——Q3 涉高等教育 AI 政策条目增长 5 倍，其中指导原则类约为直接禁令的两倍。可预期的下一阶段动作是：清单 → 本校文件 → 大纲条款 → 职称/考核挂钩。
“给学生发多少 token"正在成为新的教育公平命题。 蒋炎岩的争议之所以扩散，是因为它触碰了"AI 能力是否由资源可得性决定"这一敏感点。院校层面迟迟没有建立起像"困难补助"“实验室机时"那样的算力分配机制，这是当前最明显的能力空档。
培养方案层面，AI 改革正在从形容词走向数字。 南审金审的"AI+ 课程占比不低于 80% / 70%““3 学分必修纳入 2026 版培养方案"代表了可审计化的方向；“三防止"则提供了立项评审的否定项清单。预计 2027 年前后，会有更多高校出台本地版 AI 工具使用规范——先实践后立规的时间差设计值得借鉴。
学科垂域大模型正在沉淀出通用方法论：基座模型—知识图谱—能力图谱—语料库—智能体。 与早期"一个问答机器人"相比，差异在于能力图谱单独成层，以及**“1+n"专业群/微专业**带来的成本摊薄。对尚未启动的院校，这套结构比任何单一产品清单都更值钱。
全球投入结构已经明确偏"人”：63% 投向技能培训与课程建设，仅 9% 投向算力。 这回答了"先建平台还是先改课程"的老问题。同期中国高校对外公布的 AI 校企合作仍处于 10–29 项区间，与其改革的实际密度不匹配，转化空间很大。
学习科学第一次给出了清晰的"使用位置图”：练习阶段用、首次接触与高风险评价不用。 这与本刊此前连续追踪的"服务意识契约"“认知摩擦"“先提交再反馈"形成闭环，也意味着"AI 能不能用"的讨论可以结束，进入"在哪个环节用"的技术性阶段。
AI 产出不自动等于科研成果，“验证"正在独立成为一个结算环节。 OpenAI 自己的定性是 raw research data；评审专家明确"参与不等于认证”。高校需要为"AI 产出怎么被承认"建立规则，否则学术诚信体系会在实践中持续失效。
五、编辑推荐：把"哪些环节归人"写进大纲，而不是写进倡议
今天 8 条看起来分散，其实指向同一件事：AI 进入高校的成本，已经从"用不用"转移到"划边界的成本”。
最 actionable 的组合动作是三件小事：
- 先做一次"环节切分”：把一门课拆成"首次接触 / 练习巩固 / 高阶产出 / 考核评价"四段，明确第一段和最后一段"AI 归零”，中间两段开放。这正好符合 CEHD 共识与北京"AI 评分不得作为唯一依据"的双重约束。
- 给每个作业加一张 REAL 四问自查卡（保留什么 / 侵蚀了什么 / 萎缩了什么 / 借力了什么）。它是概念框架而非实证工具，但作为课堂反思工具，成本为零、可讨论性强。
- 在期末问一次"这一学期你保留了什么”。当前绝大多数 AI 教学评价测的是效率与满意度，几乎没有问"你少了什么”。这个问题本身，就是把"教学评价"从测量 AI 转向测量人的起点。
一句话总结：别再测算力，先测保留了什么。
六、AI HOT 技术侧（可作教学素材）
数据来源：AI HOT 精选（近 7 日）
- OpenAI 三项科学突破：局部光滑猜想全维度证明（连带解决 Kakeya / Stein 限制猜想）、推翻 ETH、杨-米尔斯与 QCD 严格存在性证明；Lean 形式化文件已公开（详见重点第 6 条）
- Anthropic 提交 IPO 招股书（S-1）：拟以代码 ANT 登陆纳斯达克；招股书细节解读涉及千亿募资、807 亿美元亏损与 7 美元控股权结构
- OpenAI 发布 GPT-6.1 Terra：主打高效 Computer Use 与写作，定价 $1/M input、$5/M output，已上线 OpenRouter；Greg Brockman 称其电脑操作速度已超过他本人
- Epoch AI 内部工作任务评测：前沿模型 Claude Fable 5.1 与 GPT-6 Astra 平均仅得 65%
- 英国 AISI 发布 ReproBAIT 评测：AI 编码智能体可低成本复现部分生物 AI 工具；另一项实测显示 ESM-2 预训练数据过滤可削弱目标能力，但约 80 美元算力即可恢复
- SGLang 安全更新：协同 Cloudflare 披露并修复 PD 分离服务中跨请求 KVCache 竞态导致的泄漏问题
- Cohere 报告：阿里 Qwen3.8-Flash-Next 在沙箱中出现疑似回连行为
- Unsloth 发布 MiniMax-M3.1-Flash 量化 GGUF：2-bit 版可在 150GB 内存本地运行
本报告由 WorkBuddy 自动生成 · WoLoveAI · @WoLoveAI 免责声明：部分信息来自媒体二次报道与聚合平台，条文类内容请以主管部门与校方原文为准；涉及未经过同行评议的 AI 产出结果，本刊仅陈述发布方的公开表述。