最新发布
共 3 条，均提供可直接读取的HTML正文。
2026北京大学生“人工智能+”大赛如何出题？
北京市教委发布第二届北京市大学生“人工智能+”创新大赛通知，采用“企业出题、高校答题、行业阅卷”，突出真实产业任务、跨学科协作和成果转化。
阅读全文 →
上海大学结构材料第一性原理智能计算平台采购需求解读
从公开采购需求看，高校材料科研平台正在把材料与文献检索、晶体结构处理、第一性原理计算、高性能计算调度、日志分析和结果归档连接为可追溯工作流。
阅读全文 →AI赋能材料科研：第一性原理计算如何连接科研全过程？
材料科研平台可以把结构建模、计算任务、运行日志与结果归档连接起来；AI负责检索与辅助分析，专业计算软件承担科学求解，科研人员复核方法和结论。
阅读全文 →高校新闻与实践
共 10 条，均提供可直接读取的HTML正文。
2026高校教师AI培训：16门课之后，如何用到教学中？
2026年度“人工智能赋能高等教育人才培养”系列师资培训覆盖AI通识、专业融合、大模型教学应用、伦理风险防范与实验教学改革，培训之后更要形成教学作品、课堂试用和反馈改进。
阅读全文 →
北大国产算力一体化运营：算力建好后，老师怎么用起来？
北京大学公开的一体化运营实践显示，高校算力建设不仅要看设备规模，还要看课题组能否按科研任务选择资源、调用模型、跟踪作业并获得持续服务。
阅读全文 →
高校压缩学分，培养方案怎么改？
学分做减法不能简单等于删课。结合深圳大学、复旦大学公开信息，更值得关注的是课程内容整合、实践空间释放以及“毕业能力—课程—项目—评价”的对应关系。
阅读全文 →
西安交大试点教师自主评教，课程评价怎么变？
教师自主评教支持结合课程特点定制问卷、按教学进度多次评价。真正重要的是把学生反馈、教师行动和后续验证连接起来，让评价服务课堂改进。
阅读全文 →
青岛职院项目入选：职教出海如何落到课程？
青岛职业技术学院公开信息显示，“班墨匠心·小米智联”印尼项目入选相关产教融合促进项目。对专业建设而言，关键是把企业任务落实到双语课程、实训项目和评价标准。
阅读全文 →数据都汇聚了，为什么学院还在到处找数据？
南昌大学综合院情看板案例说明，数据治理之后还要让规范数据进入学院日常查询、核对与管理任务；进一步建设AI问数时，更要明确指标口径、来源和访问权限。
阅读全文 →高校成果不少，为什么企业还在找技术？
湖南企业技术需求、高校创新成果和专家服务团队“三张清单”提供了一种供需连接思路：围绕具体问题组织对接、验证和后续合作，而不是停留在成果展示。
阅读全文 →北邮“中关村班”开班，AI人才培养有哪些新做法？
北京邮电大学与北京中关村学院联合举办“中关村班”，把导师团队、学术讲坛、产业场景和长周期培养通道向优秀本科生开放，探索更早接触真实科研问题。
阅读全文 →
AI时代，工程人才怎么培养？60余所高校共议改革
天津大学相关研讨会围绕AI时代工程教育创新展开交流，涉及能力培养、课程体系、专微融合、校企实践和项目式教学等议题。
阅读全文 →腾讯、阿里、字节都在争AI办公入口，高校智能体看什么？
AI办公正在从问答走向任务拆解、工具调用和结果交付。高校评估智能体时，除了演示效果，还应核对数据来源、权限边界、过程日志与人工复核。
阅读全文 →建设方法与行业观点
共 9 条，均提供可直接读取的HTML正文。
教育部人工智能赋能教师发展现场会，培训成效看什么？
教育部现场会提出，要把教师是否解决实际问题、课堂是否发生积极变化、学生是否获得更有针对性的学习支持，作为检验培训成效的重要标准。
阅读全文 →课堂已死？AI时代需要重构的是旧课堂逻辑
当AI可以辅助获取知识，课堂更需要把时间留给问题探究、实验实践、项目学习、团队研讨与专业判断；教师不是退场，而是重新设计任务和评价。
阅读全文 →高校专业建设，不能只靠“上新”
热门专业名称不等于人才培养能力。专业动态调整既要看产业趋势，也要看师资、课程、实践条件、学生发展和人才培养质量。
阅读全文 →AI答案为什么会错？高校高质量数据集先治理什么？
数据很多不等于可以直接用于AI。来源、条件、格式、版本和责任不清，会让模型给出看似完整但无法核验的回答。高质量数据集建设首先要解决标准、元数据、质量与授权。
阅读全文 →教师AI培训最怕的不是学不会，而是学会了用不上
教师AI素养提升不能止于一次培训，应连接能力诊断、精准培训、教学应用、成效评价和持续改进，让所学真正进入备课、课堂、评价与教研。
阅读全文 →高校人才培养，不能等学生毕业才发现与岗位错位
产业岗位持续变化，人才培养需要稳定实施，两者之间必须建立可解释的连接。岗位监测、培养适配和就业反馈应共同支持专业与课程持续改进。
阅读全文 →学生学了四年，为什么企业却说“我们要的不是这些”？
从假设的学生求职场景看，专业名称更新并不代表培养方案已经响应产业变化。学校需要把岗位能力、课程支撑、实践项目和学习证据连接起来。
阅读全文 →AI的下一场变革：从会聊天到真正会干活
AI应用正在从回答问题走向推进任务与协同工作。判断高校智能体价值，关键不是模型数量，而是能否在授权范围内连接数据、调用工具、交付可核验结果。
阅读全文 →AI能回答问题，大学老师该怎么教？
一个未取得原始记录的线上投票引出了更值得讨论的问题：当知识获取更方便，教师角色应从单向讲授转向互动探究、实践创新和学习全过程评价。
阅读全文 →