UNESCO 数字学习周：23 国教育部长通过《部长声明》，确立 AI 时代教育公共利益八项优先行动

联合国教科文组织 2026 年数字学习周期间，23 国教育部长及代表在部长圆桌会议上通过《部长声明：在人工智能时代守护教育作为共同利益》。声明提出八项优先行动：为教育 AI 应用确立公共利益导向的使用条件（可审计、数据可迁移）；培养师生批判性使用 AI 的素养；把教师培养作为 AI 开发部署的前置条件；要求 AI 契合儿童身心发展特点；将教育数据治理列为优先事项；把包容性与多语言设计作为硬性条件；采纳前评估系统全部成本（含网络、硬件、本地化、汇率与退出迁移成本）；承诺对教育 AI 系统开展评估、监测并在必要时停用。

🔗 链接：中国教育报报道 ｜ 声明全文 PDF

StudentBench：2383 人对照实验证实 AI 辅导与人类专家辅导学习增益统计等价，成本仅 1/918

MIT Curtis Northcutt 团队在 arXiv 发布大规模对照研究：基于超 17.5 万条学生-AI 对话的 StudentBench 平台，对 2383 名参与者开展 GRE 备考实验，结果表明 AI 辅导与人类专家辅导在学习增益上统计等价（p=.015），七个 GRE 分域中有五个最佳 AI 导师超过人类导师；最优秀的 AI 导师以每提升一个百分点评级 0.0052 美元的成本达到与人类（4.81 美元）等价的效果，价差达 918 倍。研究还发现 AI 回复速度越快，学生提问越多、练习正确率越高、学习增益越大。平台与数据已开放（studentbench.org）。

👨‍🏫 学者点评等价不等于替代。该研究的精妙之处在于同时测了教学设计、练习生成与对话式教学五个维度——真正的启示是：AI 导师的边际优势来自响应速度与无限耐心，而人类导师的价值仍在动机维持与情感支持。对研究者而言，”918 倍成本差”这个数字将重塑教育经济学关于个性化辅导普及化的全部测算；对我们的警示则是，实验对象是 GRE 这样的良构领域，开放性、探究性学习场景的证据仍然稀薄。

🔗 链接：arXiv:2609.28470

纯提示工程实现高阶思维自动评估：LLM 自动生成含错案例、批改描述性答案并给出结构化反馈

日本研究团队（arXiv:2609.25790）提出用大语言模型自动化”层级诊断推理”（HDR）——一种要求学生识别并解释案例研究中错误的高阶认知测评方法。仅靠提示词设计（无需微调），模型即完成三个环节：按教学意图自动生成含错案例题、为描述性答案评分、基于错误答案生成结构化反馈。实验显示生成题目内部一致性信度 Cronbach’s α 达 0.78，特定条件下机器与人工评分一致率达 100%，反馈的说服力与有用性被评为与真人教师相当。

👨‍🏫 学者点评这项工作最值得称道的是它没有追求”AI 打分像人”，而是把整个测评链条——命题、评分、反馈——全部交给提示工程闭环，并老老实实报告了信度证据。α=0.78 说明可用但未臻卓越，100% 一致率出现在”某些条件”下也提示我们边界条件尚不清晰。对测评研究者而言，真正的前沿问题在于：当 AI 既能命题又能评分时，效度证据链该如何重构？这是下一个十年教育测量学的核心命题。

🔗 链接：arXiv:2609.25790

AI 生成题目的教学质量的自动把关：Bloom 层级分类中 LLM 宏平均 F1 达 0.79，显著优于传统模型

随着 AI 辅助生成教学材料的爆发式增长，其教学质量的自动验证成为瓶颈。一项发表于 arXiv（2609.27749）的研究系统评估了传统机器学习、Transformer 与 LLM 在布鲁姆认知层级分类任务上的分布外（OOD）表现：面对 AI 生成的新题目，传统 TF-IDF 模型宏 F1 仅 0.48，BERT 为 0.55，而 LLM 达到 0.79。研究还测试了文本拼接、附加教学目标等特征工程策略，其中模型重训练带来最大幅度的提升，为教育材料的规模化质量把关提供了实证依据。

👨‍🏫 学者点评看似枯燥的分类研究，实则戳中了一个被普遍忽视的隐患：学校正在批量采用 AI 生成题目，却几乎没有人检验这些题目是否落在正确的认知层级上。OOD 性能衰减这一发现尤其重要——在教育场景中，”新题目”永远都是分布外的。我的建议是把这类 Bloom 校验器嵌入每一位教师的备课工作流，作为 AI 生成内容进入课堂前的最后一道闸门，这也正是 UNESCO 部长声明中”可审计”要求的 technical 落点。

🔗 链接：arXiv:2609.27749

WhalesBot 鲸鱼机器人发布 EliteMind：把”Physical AI”引入中小学 STEM 教育

9 月 23 日，总部位于上海的全球 STEM 教育企业 WhalesBot（鲸鱼机器人）发布模块化 Physical AI 教育机器人 EliteMind。产品由其自研教育大模型 W-Hong 驱动，集成意图识别、语音交互、视觉理解与 AI 创作能力，学生可在其 OceanLevel AI 素养学习平台上训练模型与编写程序，再部署到实体机器人上进行真实世界的感知、推理与行动测试，形成”数字学习—物理实践”的完整闭环。EliteMind 采用轻量化模块设计，传感器与执行器可跨多种机器人构型组合。WhalesBot 产品已销往 81 个国家和地区，累计销量超 100 万台。

🚀 研发者推介“AI 正在深入真实世界的系统，AI 教育也不能只停留在屏幕里。”WhalesBot CEO 费旭锋表示，EliteMind 的目标是支撑一条从 AI 素养奠基、到动手实践、再到竞赛应用的学习旅程，帮助学生一步步建立面向真实世界的 AI 实践能力——理解 AI，更要亲手构建 AI。

🔗 链接：WisdomPlexus 报道

CZI 支持 nonprofit Learning Commons 开放 AI 平台：向 K-12 开发者免费提供 50 州课标数据、内容评估器与教师 Agent 技能

9 月 22 日，由陈-扎克伯格倡议（CZI）支持的非营利组织 Learning Commons 正式发布面向 K-12 教育科技开发者与教育者的开放 AI 平台，同日宣布 Canva Education、MagicSchool、OKO Labs 等 6 家新合作伙伴。平台三大组件：一是”知识图谱”（Knowledge Graph）——覆盖美国全部 50 个州学术标准、学习进阶、常见学生误解（含盖茨基金会支持的 Eedi 数学误解图谱）的开放机器可读数据集，已在 GitHub 开放许可发布；二是”评估器”（Evaluators）——检查 AI 生成内容准确性、年级适配性与标准对齐度的研究型评分工具；三是与 Anthropic 合作开发的 4 项教师规划 Agent Skills（教案创建、分层差异化、课前准备、理解度检查）。其数据集迄今已被下载约 2 万次，合作伙伴超 70 家。

🚀 研发者推介“AI 生成的课堂内容必须扎根于学习科学与真实课标。”Learning Commons 总裁 Sandra Liu Huang 强调，平台让任何开发者都能免费获得全美 50 州标准、学生误解图谱与研究背书的评估工具，把 proven teaching practices 规模化——你的教育 AI 产品不再需要从零猜测什么是好的教学。

🔗 链接：Winssolutions 报道

阿里千问办公启动”AI 教育灯塔计划”：北大、浙大、复旦等超 100 家学校与教育主管部门首批签约

9 月 23 日云栖大会上，阿里千问办公宣布启动”AI 教育灯塔计划”，面向全国大中小学在教学、科研和校园管理场景提供企业级 AI Agent 产品与应用支持。北京大学、浙江大学、复旦大学、东南大学、同济大学、南开大学等高校，以及北京、上海、深圳、杭州、重庆、西安、武汉等地的区域教育主管部门和中小学首批加入，签约单位超 100 家。计划的核心是把师生个人层面的 AI 探索沉淀为组织能力：高校可按院系、课题组、师生统一配置账号与权限，地方教育部门可将使用权益覆盖至辖区中小学教师。大会同期发布的”企业上下文”（Enterprise Context）与 Agent 托管能力，为学校整合信息、配置权限和部署教育 Agent 提供支撑。

🚀 研发者推介“师生已经会用 AI 备课、科研和学习，下一步是让整个学校和区域教育体系用好它。”千问办公团队表示，通过灯塔计划与企业上下文能力，学校可以把个人探索出的 AI 用法沉淀为可复用的教学和管理工具——从杭州春晖小学的”小晖高管”校务平台，到大学课堂里师生与智能体共同分析问题，教育 Agent 正在打通”备-教-练-测-评”全链路。

🔗 链接：世界浙商网报道 ｜ 上证报报道

微软 Copilot 升级为编程平台：自然语言应用构建工具 Code 与拥有企业身份的自主智能体 Autopilot 同步亮相

9 月 25 日，微软宣布 Copilot 重大扩展：新增自然语言编程工具 Code——用户用日常英语即可构建应用、仪表盘等软件，底层技术与 GitHub Copilot 同源，本月内向早期客户开放，Copilot 365 Premium 与 Pro 订阅者年内可预览；同时发布自主企业智能体 Autopilot（Scout 的升级版），它拥有企业目录中的独立身份、由管理员控制的细粒度权限，9 月底开启私人预览。Word、Excel、PowerPoint 也被直接嵌入 Copilot，实现跨文档协作而不切换应用，并同步推出面向员工的 AI 用量成本管理工具。微软 Copilot 产品副总裁 Annie Pearl 表示，独立身份与权限体系正是为了解决企业引入自主智能体时的安全、合规与治理顾虑。

🔗 链接：Inside AI 报道

俄罗斯教育部发布全国中小学 AI 使用指南：按学段分层授权，考试场景全面禁用

9 月 26 日，俄罗斯教育部发布中小学人工智能使用方法指南，对师生使用 AI 划定边界。教师端：AI 可用于备课全流程——制作笔记、测验、演示文稿、图表、视频，选择素材，编制不同难度的作业（含残障儿童材料），以及学情分析、日志与报告；但教师必须核查 AI 生成材料的事实性、标准符合性、方法论正确性与年龄适宜性。学生端：1-4 年级不提供独立使用权限；5-9 年级经教师许可可用于信息检索、概念解释与可视化；10-11 年级增加数据分析、预测模型与计算等研究性用途。红线包括：期中期末考试及任何需要展示学生自身知识的场景禁用 AI；师生个人数据、成绩、评语等禁止上传 AI 服务；AI 检测结果不作为学生违规的绝对证据，判定权在教师；家长须被告知学校 AI 工具的使用情况。

🔗 链接：Izvestia 英文报道

上海理工大学上线人才培养智能体”尚小理”：用 AI 打通”需求—招生—培养—就业—监测”产教闭环

新学期伊始，上海理工大学正式上线人才培养智能体”尚小理”。学生说出心仪岗位后，它即在学生授权下整合课程学习、学科竞赛、项目实践、实习经历等全过程能力证据，生成个人能力画像并完成岗位智能匹配，给出学习实践建议。该智能体由该校校友企业带领几名在校本科生共同研发，历经上万家企业样本测试，并完成覆盖 176 家行业企业的深度专项调研。学校同步以光电信息科学与工程专业对接上海集成电路产业为试点，跑通”需求—招生—培养—就业—监测”闭环：从产业链拆解岗位任务链、提炼人才能力画像，到输出招生结构优化建议、培养方案”体检”、实战项目匹配、就业对接，最终以毕业生跟踪数据回流校准下一轮迭代。此外，”尚小理”还能为教师教学方案优化、学院培养计划完善提供智能诊断。

🔗 链接：中国教育新闻网报道