教育专家齐聚数学课栈 共探AI数学教育发展
为深入推进广西高峰“教育（AI+）”项目实施，加快“小衔初数学AI智慧学伴”研发进程，推动数学教育数字化高质量发展，5月29日至30日，天津市教育科学研究院王光明教授、陕西师范大学罗新兵教授、华南师范大学苏洪雨教授、北部湾大学刘琼教授一行莅临数学课栈，开展深入指导与交流活动。数学课栈成员冯娴静向各位专家详细汇报了团队的成长历程，全面展示了团队在教学研究创新、教学资源开发、服务一线教学等方面取得的阶段性成果，并重点介绍了数学课栈最新研究成果——小衔初（小学衔接初中）“36计”魔法课件之《鸽巢原理》的具体内容
AI 浪潮下，数学该何去何从？
学习数学的初衷何在？仅仅为了分数？理想的数学教育究竟是何模样？是题海战术吗？我曾问朋友，若无考试，是否还需学习数学？朋友答道，在 AI 时代不学数学，犹如鱼儿离水无法游动。钱学森之问：为何我国学府难以培养出卓越的科技创新人才？中国拥有14亿人口，却无人摘得数学界最高荣誉菲尔茨奖。反观日本，1.23亿人口中已有三人获此殊荣。幸而2021年国家全面实施双减政策，侄女刚入小学，如今校方老师已不敢随意布置作业，仅保留期末考试。这无疑是个利好消息。借此契机，我便能陪伴侄女共同探寻真正的数学教育之道。所谓读书，乃读好
智能教学新体验：小学数学AI培训感悟
天祝民族师范学校附属小学 张小英小学数学AI教学研修培训心得在数字技术重塑教育生态的今天，"以AI为翼，赋能数学教学新样态"专题培训如甘露般降临，为一线数学教师注入了崭新的教学灵感与实践路径。此次培训不仅是专业技能的进阶，更是教育思维的革新，引领我们紧跟时代节拍，开拓数学教学的无限可能。培训契合趋势本次"以AI为翼，赋能数学教学新样态"专题培训精准对接了当代数字化教育变革浪潮。在科技日新月异的时代背景下，教育正经历着深刻的数字化重塑。传统教学模式的瓶颈日益显现，而数字化教育则为课堂注入了蓬勃生机。这场培训
AI时代的数学教育：意义、方向与实践
智能化浪潮下，教育工作者普遍关注数学教学将经历何种变革。潘老师融合AI技术发展趋势与数学学科特性，深度剖析了数学教学在智能时代背景下的全方位转变。现将潘小明老师的专题文章《人工智能时代的数学教育：为何？何为？如何？》推送给大家，该文刊载于《数学通报》2026年第3期。本文仅用于学术交流，如有侵权请联系删除。引用格式：[1]潘小明.人工智能时代的数学教育：为何？何为？如何？[J].数学通报,65(3):1-7，38.
AI教学与传统教学：一线教师的视角
当下AI教学潮流涌动，但作为一名身处教育前沿的教师，我个人并不完全认同，甚至对过度吹捧AI教学抱持些许抵触情绪。以小学数学《倍的认识》这类关键难点为例，其教学实践根本无法仅仅依赖AI来完成。数学中那些扎实的基础知识，理应采用最朴素、最经典的教学方式，稳稳当当地传授给学生。众多复杂的概念，需要教师依据学生具体学情，亲自精心构思层层递进、化繁为简的教学步骤，逐步引导学生理解、慢慢消化吸收，这是任何机器都无法取代的。在我看来，AI教学至多能在课堂引入阶段发挥作用，作为辅助工具活跃一下气氛便已足够。当前社会上存在
AI进军数学界，奥数赛场大放异彩，研究范式迎来巨变
数学界的人工智能变革浪潮已然席卷而来2025年的盛夏，人工智能在数学界迎来了真正的里程碑。在当年的国际数学奥林匹克竞赛中，多款AI模型在六道题目中成功攻克五道，其表现远超许多专家的预料。虽然奥数题属于有确定答案的难题，并非开放性研究问题，但这一成绩足以让整个数学界重新审视AI的巨大潜力。过去那些认为AI容易出错、难以胜任严肃数学研究的专家学者，如今纷纷开始将AI融入日常工作。实际应用效果令人惊喜：AI不仅解题能力出色，更能协助研究者探索全新的研究方向，将原本需要数周甚至数月才能完成的工作，大幅压缩至一天之
第二届国际创科AI数学大赛启动，邀你共探科技未来
第二届国际创科AI数学大赛数学驱动科学科学塑造未来合办单位：内地报名单位：北京希语汇国际教育科技有限公司01活动宗旨与核心理念国际创科AI数学大赛是一项以推动创新与科技融合为核心的全球性赛事。活动聚焦创科（Innovation & Technology）主题，致力于深化人工智能（AI）与数学基础的结合，鼓励参赛者运用数学逻辑解决前沿科技问题，激发创新实践能力。我们特别关注为青少年及家长打造一个通过数学理解科学与AI的互动平台。本赛事不以单纯比拼为目标，更注重启发学生自主探索、发现自身潜能。通过多样
AI 周报 | 2026 年 3 月 29 日
人工智能领域本周取得多项重要突破，涉及检索增强生成、语音识别、多模态推理、数学教育评估及语音合成技术。让我们深入了解这些研究如何拓展 AI 技术的边界。检索增强生成（RAG）系统已成为大模型应用的核心架构，但传统 RAG 的知识库一旦构建便无法更新。最新研究提出 WriteBack-RAG 框架，将知识库视为“可训练组件”，通过标记样本识别检索成功的位置，将相关文档提炼为紧凑的知识单元，并与原始语料库一起索引。这一过程只需离线预处理一次，即可与任何 RAG 管道结合使用。实验结果显示，WriteBack-