AIedu 日报 · 2026-10-31（周六）
聚焦：AI 赋能学习 · 高校数字化转型 · AI 教育 · 教学改革 本期 8 条主条 + 12 条快讯 + 6 条趋势线 + 技术侧边栏 所有条目均标注来源与日期；未获第三方核验的校方自述口径已单独标明。
一句话结论
今天的信号集中在"规则的可执行化"上。 西安交大把"AI 赋能"写成了可直接核算的学时硬指标（不低于 50% 课堂理论讲授学时转为项目指导与实践学时），南洋理工把"AI 进课程"写成了可考核的百分比（2030 年 40% 本科课程），Dartmouth 的学生调查则给出了一个此前少被量化的变量——学生对自己 AI 使用的报告与他们对同伴的判断之间存在 4~6 倍的落差，而这个落差正在把 AI 从"作弊问题"变成"公平感问题"。学术研究侧同时给出两条方法论提醒：别只看学生说了什么，要看他们在多轮对话里"怎么问"的变化轨迹；学生对 AI 输出的监督焦点是"适配性"（74.4%）而不是"正确性"（16.9%）——这意味着按"找错"设计的教学干预大概率会落空。
一、西安交通大学：首批项目制教学改革立项，把"AI 赋能"折算成学时硬指标
事件：西安交通大学教务处发布《关于开展首批项目制教学改革专题研究项目立项工作的通知》，依据国务院《教育发展"十五五"规划》（国发〔2026〕19号）“鼓励高校推广’项目制’育人培养方式"及教育部"人工智能+教育"部署，启动首批项目制教学改革专题研究项目立项。
四项建设要求中，最具约束力的是第 3 条：
| 维度 | 具体要求 |
|---|---|
| 改革单元 | 单门课程或 2-6 门课程群联合申报；同一课程多个教学班原则上全部参与 |
| 项目来源 | 必须来自行业产业真实场景与真实问题；课程群须统筹 1 项跨课程一体化综合项目 |
| 课程重构 | 原大纲中不低于 50% 的课堂理论讲授学时调整为项目指导和实践学时，调整后大纲须于开课前在教务系统更新发布 |
| AI 赋能 | 教学内容和过程深度融入 AI 技术与方法，实现采集式学习与个性化路径推荐、学习效果评价 |
理念表述为"问题牵引、学生探索、教师引导、AI 赋能”，目标是学生"一人一题"；三个转向为"知识掌握→能力提升"“讲授为主→项目实践"“知识考察→能力达成”。
为什么值得关注：这是近期国内高校 AI 教改文件中最容易被核算、也最难被稀释的一条。过去多数方案的写法是"推动人工智能融入课程”，无法验证；“不低于 50% 讲授学时转为项目实践学时"则是一个可以在教务系统里逐门课对账的数字，且要求开课前公开发布修订后大纲——把改革从口号推进到了流程约束。其配套背景也值得参照：该校未来技术学院已运行五年，新华社 10 月 22 日报道其"60% 的首届硕士毕业生依托企业工程实践成果形成学位论文”，本次立项可视作把学院级做法推向全校课程层。
对高校的可迁移动作：若准备申报同类项目，最需要提前准备的不是 AI 工具清单，而是可对接的企业真实问题清单——项目来源被明确限定为"行业产业真实场景"，这是多数综合性院校最薄弱的一环。
二、国家开放大学：67 门数智品牌课程覆盖 500 万人次，同时给考试改革装上"审慎"刹车
事件：国家开放大学发布首批"数智赋能开放教育品牌课程"建设成果，首批 67 门课程完成建设，累计覆盖 500 万人次学习（光明日报报道）。项目自 2024 年启动，围绕资源、平台、课程、教材、教师、实践、评价七个关键要素推进数智化改革。
可核验的运行数据：
- 半数以上课程搭建了专属知识库与课程智能体，提供 7×24 智能答疑、学习路径推荐、知识薄弱点诊断、实践任务指导；
- 《演讲的方法与艺术》将演讲拆解为递进式任务，实现演讲稿、课件、演讲视频的智能评阅，同时保留教师复核与学习者申诉机制；2026 年春季学期选课人数较 2025 年秋季增长超 8 倍，学习者与 AI 的对话轮次提升近 4 倍；
- 《刑法学》引入 AI 案例分析、AI 模拟法庭，学生可与 AI 扮演的公诉人、法官展开模拟对抗；
- 资源形态从单一视频拓展为"智能学习资源包"（情境交互视频、微课、数字教材、课程图谱、虚拟仿真实验、实践教学小程序、课程智能体）。
同时出现的反向信号：国家开放大学日前开展前三批考试改革试点结项验收，覆盖 65 门课程（自 2024 年春季累计 125 门）。验收梳理出的现实问题包括"AI 应用存在局限、评分标准科学性有待提升"；来自教育部教育考试院、清华大学、南开大学等单位的 10 位评审专家给出的指导意见明确要求：“考试改革要紧扣课程目标，不能弱化课程基础理论教学，要审慎使用人工智能，严守考试公平底线。”
为什么值得关注：这是同一天内、同一机构给出的"规模化正向证据 + 制度化负向约束"完整样本，罕见地同时具备两者。8 倍选课增长与 4 倍对话轮次说明成人学习者对 AI 伴学的真实需求强度；而"审慎使用 AI、严守考试公平底线"出现在结项验收的专家意见里，说明在百万级规模的真实运行中，机构已经遇到了AI 评分区分度不足、标准不稳的问题——这与近两周国内多校对 AIGC 检测结果"仅作辅助参考"的口径是同一条逻辑线。
对高校的可迁移动作：智能评阅必须配套教师复核 + 学生申诉双通道（国开大已写入课程设计），否则规模化必然带来争议不可收敛。
三、南洋理工大学 × Google：签署深化合作 MOU，把"AI 进课程"定为 2030 年 40%
事件：10 月 30 日，南洋理工大学（NTU Singapore）与 Google 签署谅解备忘录，由 NTU 教务长兼常务副校长 Christian Wolfrum 与 Google 研究副总裁 Yossi Matias 签署，涵盖四大方向：全校 AI 集成、区域语言与主权模型（依托 AI Singapore）、前沿科学研究、AI 安全。
教学侧的可核验承诺：
| 承诺项 | 具体内容 |
|---|---|
| 课程嵌入目标 | 2030 年前将 AI 嵌入 40% 的本科课程 |
| 平台集成 | 探索将 Gemini Enterprise 接入 NTU Learn，把教学内容转化为可检索、AI 可访问的安全知识源 |
| 教师发展 | Google AI Educator Series 提供可叠加的徽章认证培训；教师可考取 Google for Education 认证 |
| 学生工具 | 自 2026 年 8 月起，NTU 本科生已全面开放 Gemini Enterprise、Google AI Studio、Vertex AI |
| 科研支撑 | 在 Google Cloud 上设计部署安全研究沙箱，预审批环境按需启动；含后量子密码、深度伪造检测、模型隐私密码学防御 |
教学模式示例被明确写出：学生可用 AI 智能体跨论文比对证据或分析数据集，然后自己解释并核验结果——即"AI 执行 + 学生解释与验证"的分工。
为什么值得关注：与国内"50% 学时"的供给侧改革路径不同，NTU 的模式是**需求侧目标（40% 课程）+ 平台侧锁定（Gemini 接入 LMS）+ 教师侧认证（可叠加徽章）**三件套。特别值得注意的是"可叠加徽章认证"这一设计——它把教师 AI 培训从"一次性讲座"改造成可累积、可验证的资格序列，这正是国内高校师资培训普遍缺失的机制层。此前 10 月 26-28 日的海外采购潮（Case Western 全校 Gemini、Emory 全校 Claude、Seton Hill 220 万美元 Title III 本地推理）与本条属于同一趋势，但 NTU 的 40% 是目前看到的最明确的量化课程目标。
四、IAU：第二期全球数字化转型调查发布，430 所高校 / 125 个国家
事件：10 月 30 日，国际大学协会（International Association of Universities, IAU）发布第二期《全球数字化转型调查报告》（2nd IAU Global Survey on Digital Transformation），基于125 个国家/地区的 430 所高等教育机构的回复，聚焦人工智能与开放科学两大变量，覆盖教学与学习、科研、治理三个关键领域。
为什么值得关注：这是目前可得的样本最广的全球高校数字化转型基线数据（125 国 / 430 校），且是"第二期"——意味着存在可对比的时间序列。对国内高校的价值在于：它提供了一个把本校数字化成熟度放到国际坐标上的参照系，而不是依赖单一厂商或咨询机构的成熟度模型。三域划分（教学、科研、治理）也提示一个常被忽略的点——治理维度的成熟度往往落后于教学维度，这与近两周国内各省密集出台 AI 应用指南、各校密集出台论文与课程规范的节奏相互印证。
使用建议：该报告适合作为高校"十五五"数字化规划的国际对标附件，但需注意其为机构自报数据（self-reported），区域间回复率差异可能影响可比性。
五、Dartmouth 学生 AI 调查：自我报告与同伴感知的 4~6 倍落差，正在把 AI 变成"公平感"问题
事件：10 月 30 日，Dartmouth 学院发布首期 Dartmouth AI Survey 结果。调查由经济学教授 Bruce Sacerdote 主持，于 2026 年 6-9 月采集 1,500 余名 Dartmouth 学生 + 1,000 名全美大学生样本，为多年期追踪项目，下一段将调研雇主，下一次学生调查定于 2027 年 8 月。
核心数据（全国样本，除非另注）：
| 指标 | 自报 | 认为同伴在做 |
|---|---|---|
| 用 AI 做题集 | 11% | 49% |
| 复制 AI 生成文本且几乎不修改 | 8% | 50% |
| 用 AI 起草论文（Dartmouth 本科） | 约 17% | 认为同伴 63% |
同时：
- 70% 的受访美国大学生认为 AI 让课后作业（take-home work）变得不公平；39% 表示因为同学在用，自己感受到使用压力；
- 84% 的全美学生担心 AI 写作工具会损害写作能力发展，Dartmouth 校内这一比例为 92%；
- 61% 表示会用 AI 来解释困难概念——即多数学生的自我定位是"用来学"而非"用来抄"。
为什么值得关注：这是本期最具解释力的一组数字。它说明三件事：
- “多数学生在用 AI 作弊"这一流行判断缺乏学生侧证据支持（自报仅 8%~11%），但**“多数同学在用 AI 作弊"的感知高达 49%~50%**——政策讨论若建立在感知而非行为数据上，极易过度收紧；
- 70% 认为课后作业不公平是一个新的、可操作的信号。它意味着争议焦点已从"学术诚信"扩散到"评价公平”，而后者只能通过调整考核形式（如增加现场/口头/过程性环节）来回应，靠检测工具无法回应；
- 84%/92% 担心写作能力受损——学生本身并不反对"保护能力”，这为限制性与保护性规则提供了学生侧的正当性基础，与 10 月 27 日 AAC&U×Elon 1057 名教师调查中"95% 教师担心学生过度依赖 AI"形成呼应。
必须标注的局限：全部为自我报告与感知测量，不是经过验证的作弊行为数据，也未测量学生能力的实际变化。它衡量的是习惯、猜疑与预期。
六、arXiv 2610.38950：学生"怎么问"的变化轨迹，比问了多少更能预测撤除 AI 后的成绩
事件：论文《Student-LLM Interactions During Math Learning: Limited Epistemic Proactivity Overall, but Within-chat Change Predicts Performance Without AI》。研究者分析 112 名中学生在与通用大模型（Mistral）完成开放式数学建模练习时的 880 轮实质性对话，用自我调节学习（SRL）行为、求助策略与认知警觉表现来刻画"认知主动性"（epistemic proactivity）——即学习者是否仍为产生学习的认知与调控活动承担责任。
主要发现：
- 整体认知主动性有限：对话以"请求"为主，计划、监控、评价相对稀少；不过低质量的 AI 回答会引发更明确的评价行为；
- 时间维度上出现分化：随对话推进，显性 SRL 行为略有增加，但求助策略反而变得更少以"理解"为导向；
- 关键结论：求助策略的时间轨迹能够显著预测撤除 AI 后的后测成绩（在控制了前测与总体使用模式之后）——在对话中请求方式变得更趋向"求解"的学生，一旦拿走 AI，表现更好。
- 数据集已在 OSF 公开。
为什么值得关注：这条研究直接对冲了当前学习分析的一个普遍做法——用交互轮次、使用时长等总量指标做预警信号。作者明确主张：应该考察认知主动性的时间组织方式（temporal organization），而不是孤立的提示词类型或总量。对教学设计的直接含义是：与其统计"学生问了 AI 多少次"，不如观察"学生在多轮对话里，请求是从’给我答案’转向’帮我理解’，还是反向滑落"。前者是可教、可干预的行为，后者则是能力转移失败的早期征候。
注意：样本为中学生、单模型（Mistral）、单一学科任务，属预印本，向高等教育的推广尚未验证。
七、arXiv 2610.32118：新手对 AI 输出的监督焦点是"适配性"（74.4%），不是"正确性"（16.9%）
事件：论文《Beyond Correctness: How Novice Software Engineering Students Exercise Oversight of Generative AI》。研究者分析 145 名软件工程大一学生通过结构化 AI 日志记录下来的 962 轮学生-AI 交互，其中 172 次为学生主动声明的干预（student-declared interventions）。
主要发现：
| 维度 | 数据 |
|---|---|
| 干预中识别出"适配性"问题（fitness） | 74.4% |
| 干预中识别出"正确性"问题（correctness） | 16.9% |
| 最常见的处置动作 | 修改生成结果 51.0%；优化提示词 28.2% |
| 反直觉的一项 | 学生认为含小瑕疵的输出，其评价信心低于被认为完美的输出 |
为什么值得关注：这组数字推翻了当前多数"AI 素养"课程的设计假设。如果学生实际面临的判断是"这段看起来没错的 AI 输出，是否适合我这个工程任务"（74.4%），而课程训练的是"找出 AI 输出中的错误"（对应仅 16.9% 的场景），那么训练与真实需求之间存在结构性错配。另外"小瑕疵输出的评价信心更低"这一发现也很关键：它意味着学生的信心校准机制尚不成熟，容易在"看起来完美"的输出面前放弃审查——这恰恰是认知卸载风险最高的情形。
对课程的可迁移动作：把 AI 素养训练的核心任务从"挑错"改为"判断适配性并说明理由"，并加入"完美输出的例外审查"环节。可与 arXiv 2610.36185（TestCompass，18 名学生对照实验：只给反馈、不生成测试的 AI 辅导，使学生用显著更少的测试方法达到相近的需求覆盖，p=0.012）配合阅读——两者都指向同一设计原则：AI 给反馈优于 AI 给答案。
八、教师侧：从"工具使用者"到"智能教学设计者"，四个缺口被明确点名
事件：中国教育报 10 月 30 日刊发访谈《从"工具使用者"到"智能教学设计者"》，受访者包括一线校长、教研机构专家（杨金勇等）。同日及近日多项教师侧进展并行推进。
被点名的缺口（可直接作为校内自查清单）：
- “有数据无决策” —— AI 报告尚未充分嵌入日常教学决策；
- 数据孤岛 —— 不同平台、场景的学生数据标准不一，互联互通不足；
- 评价机制滞后 —— 传统指标难以衡量学生的 AI 协作能力与素养发展；
- 教师技术依赖风险 —— 部分教师过度信任智能系统，弱化教学设计权与课堂决策权。
组织形态上的做法包括：设立专职部门分别负责"场景落地推广运维"与"前沿研究/课程研发/师资培训"，并设立数字人开发工作室、循证教研工作坊、AI 深度开发应用工作室、智能体开发工作室等跨部门单元。
并行推进的教师侧动作：
- 教育部高教司 2026 年度"人工智能赋能高等教育人才培养"系列师资培训进入校级落地期：多校通知要求 10 月 30 日至 11 月 30 日完成三大专项（未来教师专项 / 学科专项 / 实验教学专项）学习，累计至少 16 门课程并通过测试方可取得证书（铜陵学院等校已发布校级通知，明确 12 月 31 日前自行导出证书）；
- 省级竞赛机制成形：四川省第二届教师人工智能应用能力大赛全省报送省级决赛作品 1,917 件，设 AI 赋能教学创新应用课例、AI 教育智能体设计与应用、AI 助力课外全场景减负增效三个赛道；四川大学锦江学院王鹏飞团队《Tangram：基于自研 EDA 引擎的 AI 教育智能体设计与应用》获高教 B 组特等奖，为该赛道五个特等奖中唯一的民办高校，系统已在 6 个班级、300 余名学生中常态化应用。
为什么值得关注：教师侧是本轮改革中最慢的一环，也是唯一不可外包的一环。四个缺口中，“有数据无决策"与"教师技术依赖风险"两条尤其值得警惕：前者意味着大量 AI 课堂分析系统买了但没改教学行为，后者提示"AI 赋能"可能反向削弱教师的专业判断权。省级竞赛 1,917 件作品的规模则说明，教师侧的供给能力正在快速积累——瓶颈已从"有没有"转向"评得准不准”。
九、快讯（12 条）
| # | 事项 | 要点 |
|---|---|---|
| 1 | 算力进校园：山东外国语职业技术大学 × 华为 | 华为 AIPL 样板点 + 现代产业学院揭牌；依托华为 Talent 平台与自研"山外大模型"落地 AI 助教/助学智能体；配备全国首个与华为合作的人工智能通识一体机，可同时满足 200 名学生同步开展 AI 通识实践教学；同期日照市人工智能公共实训基地启用 |
| 2 | 武汉大学"数智教育" | 首创"数智教育"理念，全贯通数智教育平台 +《人工智能导引》通识课 + 多学科垂域通关实验室；提出教学应从"知识本位"跨越到"能力本位"（武大数智公司 CTO 杨俊杰，10-30 日照研讨会） |
| 3 | 教育部职业教育发展中心：2026 年度新一代智能技术产教融合促进项目 | 会同小米通讯技术有限公司组织论证，全国遴选 110 个项目（应用创新 35、产教融合人才培养 71、出海 4）；苏州职业技术大学"基于 openvela 的智能家居场景联动控制方案设计"入选 |
| 4 | “人工智能+专业建设"东西部协作 | 临沂职业学院与石嘴山工贸职业技术学院联合申报项目获批立项，探索东西部职业院校在专业建设、课程开发、师资培养环节的 AI 协同 |
| 5 | 第 88 届中国教育装备展示会（长沙，10-30~11-1） | 主题"人工智能引领教育装备高质量发展”，展览面积 12 万㎡；参展科技型中小企业 186 家占总数 25.8%（较上届翻倍）；117 家专精特新、15 家"小巨人"；参展企业累计专利 12.84 万件、软著超 1.41 万件；69 家获风险投资累计 703 亿元 |
| 6 | 特殊教育"十五五"：AI 首次独立成条 | 教育部等七部门《特殊教育发展提升"十五五"行动计划》（2026-08-27 成文，9 月印发）设"促进特殊教育数字化发展"专章，鼓励建设特殊教育智能体、创新智能学伴/智能教师人机协同模式、组织"人工智能+特殊教育"应用场景典型案例征集、探索随班就读助教陪读与重度残疾学生送教上门（注：非本周新发，本周在教育口密集转发，故列快讯） |
| 7 | 哈佛 CMSA：数学教师 AI 智能体实操工作坊 | 10 月 31 日全天，哈佛数学科学应用中心主办"Doing Mathematics with AI Agents"，由 Melanie Matchett Wood（哈佛）与 Andrew Sutherland（MIT）组织，仅限教师参加，提供预配置的多智能体与形式化工具环境当场做数学；11 月 21 日另设博士后专场 |
| 8 | 马里兰大学巴尔的摩分校：AI 时代怎么教与学（10-29） | 引用 Brown 大学案例：Serrano 教授的带回家考试均分 96/100 疑似 AI 代劳，改为线下闭卷后部分学生退课、均分降至 48；芝加哥大学禁止核心社科课程使用 AI、法学院一年级禁用笔记本电脑与可穿戴设备；杜克大学禁止申请者用 AI 撰写申请文书；UBC 调查约 3/4 学生认为不受限的 AI 使用损害其学习 |
| 9 | 加拿大安大略省大学生联盟（OUSA）AI 政策立场 | 学生组织提出四项主张：每所院校制定与学生共同开发的独立 AI 政策；学术诚信案件中停止使用 AI 检测工具（存在错误指控风险）；为学生与教师 AI 素养提供经费；课程要求的 AI 工具成本由院校承担、不应转嫁学生 |
| 10 | AI 与阅读：深度阅读能力下滑被量化 | 2026 读者·领读者大会（10-24 兰州）上，北师大研究员吴欣歆指出学生评估信息、整合素材、批判性思考能力下降，“匆忙阅读者"占比近乎翻倍；主张 AI 应作为思维工具而非答案机器（光明日报 10-30 报道） |
| 11 | 内蒙古：高校投入"五类十项"保障体系 | 教育部官网 10-27 推介。对布局能源资源、生物医药、低空经济、人工智能等急需紧缺专业，每个给予 80-180 万元经费支持；盟市所属高校累计增设急需紧缺本科专业 90 个，服务自治区重点产业专业占比由 59.8% 升至 72.6% |
| 12 | 芯位教育论坛：AI + 高等教育（民办高校）年度论坛 | 吉利人才发展集团主办，三亚学院、芯位人工智能学院承办；主题"人工智能发展与高等教育变革”，设四场高端对话（重塑新生态/跨国教育共同体/产教融合新范式/数智教学生态链）与三场平行论坛，其中"以人为本"论坛明确把防范认知依赖列为议题 |
十、六条趋势线
-
改革指标正在数字化。 从"推动 AI 融入课程"到"不低于 50% 讲授学时转为项目实践"（西安交大）、“2030 年 40% 本科课程嵌入 AI”（NTU），可核算的百分比正在取代形容词。下一步竞争的不是谁先宣布，而是谁的课程大纲能逐门对账。
-
评价公平取代学术诚信成为主战场。 Dartmouth 70% 学生认为课后作业不公平、UBC 3/4 学生认为不受限 AI 损害学习——学生侧已经在为"公平"发声，而不是为"便利"辩护。回应方式只能是考核形式改造（现场、口头、过程性），检测工具在机构层面持续退场（康奈尔、耶鲁、威斯康星均已放弃 AI 文本检测）。
-
学习分析的错误指标正在被证伪。 本日两项 arXiv 研究共同指向：交互总量、提示词类型都不是好的预警信号；求助策略的时间轨迹（2610.38950）与监督焦点落在适配性而非正确性（2610.32118）才是。高校若已上线基于使用时长的预警仪表盘，需要重新校准。
-
AI 素养培训正在从"讲座"转向"可累积资格"。 教育部高教司三大专项 + 16 门课 + 测试取证，NTU 的可叠加徽章认证 + Google for Education 认证，四川省 1,917 件竞赛作品——三种不同机制同时出现，共同特征是可验证、可累积、可比较。
-
规模化与个性化的矛盾开始有工程解，但刹车同步装上。 国开大 67 门课程、500 万人次、半数以上配课程智能体，同时专家意见明确"审慎使用人工智能、严守考试公平底线"。这是一个成熟信号：规模化部署与风险约束出现在同一份文件里，而非分处两端。
-
算力与场景正成为产教融合的新入口。 山外×华为全国首个 AI 通识一体机（200 人同步）、日照市公共实训基地、教育部职教中心 110 个产教融合项目、第 88 届装备展 186 家科技型中小企业——硬件与真实场景正在成为院校引入 AI 的主要抓手，而非模型本身。
十一、编辑视角 · 三个可执行动作
① 把 AI 教改写成能记账的数字。 参考西安交大的"不低于 50% 讲授学时转为项目实践"与 NTU 的"2030 年 40% 课程"，为本单位设定一个可在教务系统逐门核对的指标。若暂不具备全校推行条件，可先在 1-2 个专业试点，但必须把修订后的大纲在开课前公开发布——这一步是把改革锁进流程的关键。
② 用一次匿名调查测"感知落差"，再决定政策松紧。 Dartmouth 的方法可以直接复制：同时问"你自己用 AI 做 X 吗"与"你认为同学做 X 的比例是多少"。两个数字 4~6 倍的落差本身就是最重要的政策输入——它说明收紧规则可能是在回应想象中的行为。若本校落差同样巨大，优先做的不是加严处罚，而是公开真实数据降低猜疑，并改造考核形式回应公平感。
③ 把 AI 素养课的核心任务从"挑错"改成"判断适配性 + 说明理由"。 学生实际遇到的判断是"这段没错的 AI 输出适合我的任务吗"（74.4%），而非"它错在哪"（16.9%）。配合"看起来完美的输出必须额外审查"这一条，可以覆盖"小瑕疵输出反而降低评价信心"的风险。同时记住 TestCompass 的结论：让 AI 给反馈，别让它给答案——学生用更少的测试方法达到了相近的需求覆盖（p=0.012）。
十二、技术侧边栏（AI HOT · 近 7 日精选，仅供背景参考）
| 事项 | 要点 |
|---|---|
| Wiz 报告"黑色十月" | 九个 AI 开发者平台接连披露安全事件 |
| Cursor 通报 VS Code 扩展投毒 | 恶意 anthropic.claude-code 2.1.313 版本出现在扩展市场，最多影响 5000 用户 |
| Epoch AI 实验 | GLM 5.3 可利用补丁窗口期自主攻击 Firefox |
| 科技巨头 AI 资本开支 | 超 7400 亿美元，投资者担忧升温引发市场下跌；Google 市值蒸发 5000 亿、AI 概要冲击搜索广告 |
| 阿里巴巴 × Apple | 千问集成至 Apple 智能，11 月 4 日开放测试 |
| Project Suncatcher | 轨道卫星上运行 TPU，Gemma 模型首次在太空完成推理并回传 |
| Gemini API Computer Use 工具 | 正式开放（GA） |
说明与口径
- 本期刻意避重：已排除 10-26~10-30 各期已覆盖的条目（中南林科大 AI 学院、上海财大、南审金审、国办发〔2026〕29号、教育部课程征集与师资培训双线、南京大学 AI 必修、贵州"十五五"、上海理工大学 120 周年改革、普林斯顿 ChatGPT 试点、NSC 计算机专业注册数据、江南大学论文 AI 条款、卓越工程师五年考等），避免重复计数。
- 未获第三方核验的口径已标注：国开大 8 倍选课增长、4 倍对话轮次为校方/媒体披露数据；山外"全国首个"一体机为会议通稿表述；Dartmouth 数据为学生自报与感知，非验证行为数据。
- arXiv 条目均为预印本，未经同行评议，引用时请标注此限制。
- 《特殊教育发展提升"十五五"行动计划》为 2026-08-27 成文、9 月印发，本周在教育口密集转发，故列于快讯而非主条。
@WoLoveAI · 2026-10-31