越南副总理黎文成于 2026 年 8 月 11 日签署第 1528/QĐ-TTg 号决定，正式批准《至 2030 年、面向 2035 年国家人工智能人力资源发展计划》。该计划提出到 2030 年在全国各层级教育与培训体系中建立一体化 AI 教育系统，使 AI 应用能力成为学习者、劳动者及管理人员的必备素养。

具体目标包括：至少 80% 的高中与大学预科学生掌握适龄 AI 基础知识；100% 高校学生与至少 80% 职业院校学生具备 AI 应用、伦理与数据安全能力；100% 教育领域公职人员接受 AI 培训；至少 10 万名教师与教育工作者接受深度培训，能够指导学生安全、有效、负责任地使用 AI；同时培养至少 5 万名具备大学学历、能在重点行业应用 AI 的人才，以及 1 万名高水平 AI 专家。

计划还提出建设至少 10 个高级 AI 培训与研究中心，其中 5 至 7 个达到区域先进水平；推动至少 25 所高校成为 AI 培训、研究与创新枢纽，开展 AI+X 与 X+AI 融合项目。越南政府将该计划定位为服务国家战略技术领域、增强科技自主、促进数字经济与数字社会发展的关键举措。

研究者提出 Pedagogical Suitability Index（PSI），一套由六个理论驱动子指标构成的复合度量，用于评估 LLM 生成的辅导回复是否契合学习者当前基础、课程序列与概念引入时机。研究对 ChatGPT、Gemini、Gemma4 与 Qwen3 四种 LLM tutor 进行了 240 组场景评估，发现基线 PSI 差异并不显著（0.557–0.638），开闭源模型在教学适配性上未见明确分野。

更有趣的发现是：以 PSI 作为结构化反馈信号引导模型重新生成后，62 个弱表现案例中有 51 个得到改善（82.3%）。这提示，教学适配性不仅是可衡量的，也是可通过反馈机制改进的；真正影响辅导效果的，或许不是模型类别本身，而是模型对学习者状态与课程进度的感知能力。

研究团队提出 TACT（Taxonomy-Aligned Conversational Tutor），一个基于人类教学话语分类学的英语作为第二语言（ESL）对话辅导框架。该研究构建了两套互补分类体系：包含 13 类教师回应策略的 Tutor-Strategy Taxonomy，以及从 move type 与 move status 两个维度描述学习者行为的 Student-Move Taxonomy。

基于 260 段真实一对一 ESL 课堂对话，研究者标注出 32,379 条记录，并据此对 Qwen3.5-4B 进行监督微调与分类学对齐的 GRPO 强化学习，得到 TACTutor。在 TACTBench 诊断基准上，TACTutor 相比骨干模型提升 20.30%，并在 50 名学习者的盲测中获得最高综合评分。研究团队已开源数据、基准与模型权重。

该研究面向一门大学初级物理课程中部署的苏格拉底式 AI tutor，采用自下而上的方法构建学生话语分类学。研究者使用 LLM 编码器为每条学生话语生成涌现式自由文本标签，再通过相似度聚类合并为更精简的话语类别，并以分层人工编码样本进行验证。

最终得到的 357 个类别呈现出高度集中性：前 25 个类别覆盖了约一半学生话语。其中，“公式处理”与“元程序性请求”两大主题占据主导地位，而后者尤其值得注意——它反映出学生频繁将策略控制权让渡给 AI tutor。该分类学为物理教育研究（PER）提供了理解学生与 AI tutor 交互的实证基础。

OpenAI 于 8 月 4 日宣布推出三款面向教育工作者的预配置工作流插件：K-12 Educator、College Educator 与 College Student。这些插件通过 ChatGPT Edu 与 ChatGPT for Teachers 向学校、学区及教育机构开放，旨在让学生和教师能够基于自己选择的课程资料与教学情境，调用 AI 的 agentic 能力完成更复杂的多步骤任务。

K-12 教师插件支持生成差异化教学资源、课堂互动内容与可操作的教学洞察，并接入 Learning Commons 以匹配当地学术标准。大学教师插件覆盖课程大纲更新、多媒体评估设计、学习管理系统内容打包，以及日程与文档联动。大学生插件则帮助学生围绕课程资料生成学习指南、测验、闪卡与互动可视化内容，并可制定学习计划同步至日程。

Google 宣布从 2026 年 8 月 10 日起，Google Classroom 中的 Gemini 功能向全年龄段 K-12 与高等教育学生开放（需学校管理员授权）。学生可在 Classroom 的 Gemini 标签页中，将课程资料一键转换为抽认卡、练习测验、学习指南、音频概述与信息图等互动学习资源。

此次更新的关键是“情境化引导提示”：学生可以选择具体课程与具体作业，让 Gemini 结合作业要求、教师指令、课堂资料与课程内容进行针对性辅导。Google 还在重新设计的 Classroom 首页推出“Learn with Gemini”，学生将鼠标悬停在“即将到期”的作业上即可获得个性化学习支持。移动端推送计划于 8 月 17 日开始。

新加坡教育科技公司 LingoAce 于 8 月 4 日发布 Tutor Luna，一个面向 4 至 12 岁儿童的 AI 原生英语学习平台。该平台围绕自研 AI 学习引擎构建，能够持续理解每位学习者的进度，实时调整教学，并基于学习行为数据生成个性化学习路径。

与传统的“AI 答疑”或“AI 刷题”不同，Tutor Luna 被设计为学习过程的主动参与者：它不仅判断答案对错，还分析口语回应、停顿、自我修正与互动模式。例如，当系统发现学习者在某个发音或句型上反复自我修正时，会自动插入针对性练习，而非将其视为孤立错误。LingoAce 表示，英语之后将把该引擎能力拓展到更多学科。

近期多项政策凸显了各国在儿童与 AI 问题上的不同取向。挪威首相 6 月宣布，从 2026 年 8 月新学年起，一至七年级学生（约 6 至 13 岁）在学校几乎禁用生成式 AI，14 至 16 岁在教师严格监督下可用，17 至 19 岁才学习正确使用；同时增加实体书籍投入，逆转多年数字化优先政策。

中国则于 2025 年 5 月由教育部发布指南，将 AI 教育从六岁起列为必修，北京已在约 1400 至 1500 所学校实施，每年不少于 8 课时。阿联酋更激进：据其教育部 8 月 10 日披露，自 2025 年 5 月起所有公立学校从幼儿园到高中开设 AI 课，三岁儿童即开始接触基础 AI 概念，十岁时已学习识别深度伪造与 AI 生成图像。UNESCO 数据显示，全球仅约 10% 的学校和大学拥有 AI 使用官方框架，多数地区仍在观望。

新加坡国立大学（NUS）于 8 月 11 日宣布，从 2026 年 8 月 31 日起，全校学生、教职员工均可使用 ChatGPT Edu。NUS 表示，工作空间内的对话与数据不会被用于训练 OpenAI 模型。该合作先期在部分课程试点，随后逐步扩展至本科课程。

同时，从 2026/27 学年起，NUS 为所有大一本科生开设必修模块“THE1008 Applied Generative AI: From Prompting to Evaluation”，确保每位新生在正式课程开始前具备与 LLM 及多模态 AI 有效交互的基础能力。NUS 还计划在通识教育与专业教育中逐步整合 AI 能力，目标是让所有毕业生具备“AI 流利度”。

AllenAI（Ai2）于 8 月 7 日发布 TutorMoments 数据集与评测框架，旨在回答“AI tutor 是否知道何时该帮助、何时该退后”这一问题。该数据集包含 462 段真实课堂对话复盘、1500 余条教师标注，以及 7 个 LLM 的接管对话结果，并已全部开源于 Hugging Face。

研究发现，在无特殊提示的情况下，被测 LLM 的默认行为是“过度帮助”——倾向于把题目解释清楚、步骤铺好、答案递到手边。当把“帮助 vs 推动思考”的权衡显式写入提示词后，所有模型得分均有提升，但仍未追上人类 tutor 水平。该评测方法不仅适用于数学辅导，也可迁移至编程辅导、医疗问诊、法律咨询等需要专家判断的场景。