活动预告丨AI教育伦理新框架：解读《人工智能教育伦理：参考框架》
作为通用型技术，人工智能不仅提升了人类改造世界的物理能力，更拓展了认知世界的智力边界，为教育领域带来前所未有的机遇。然而，AI向教育深度渗透，在推动教学、科研及治理模式变革的同时，也潜藏着主体认知退化、教育失衡、隐私泄露等伦理风险。2026年，在教育部科学技术与信息化司指导下，浙江大学、北京师范大学、香港中文大学等学者共同撰写了《人工智能教育伦理：参考框架》。世界数字教育联盟专家咨询委员会与人工智能开放联盟伦理与治理专业委员会组织国内外专家完成评审。5月12日，在浙江杭州举办的2026世界数字教育大会上，
支撑人工智能安全发展的三大路径
随着人工智能重塑社会形态，传统的安全防护与道德伦理框架正面临着严峻的考验。我们要如何确保人工智能始终向善？本文将为您呈现3个更安全的人工智能新愿景。在第一篇文章中，安全专家布鲁斯·施奈尔（Bruce Schneier）与数据科学家内森·E.桑德斯（Nathan E. Sanders）揭示了为何人工智能“离奇”的错误模式要求我们突破根据人类错误构建的传统安防体系，建立一套创新性的安全措施。网络文化与技术权威人士达留什·杰米尼亚克（Dariusz Jemielniak）指出，由艾萨克·阿西莫夫提出的经典机器人
中国儒意早盘涨幅超14% 5月股份回购总额突破3亿港元
中国儒意（00136）盘中涨幅超17%，截至发稿，股价上扬13.97%，现报1.55港元，成交额达2.29亿港元。 中国儒意发布公告，5月28日，公司投入9564万港元回购6840.4万股。数据显示，5月至今公司已进行5次回购操作，共计回购2.24亿股，回购总额达3.24亿港元。 值得关注的是，近期，中国儒意与腾讯代表企业签署二零二六年游戏合作框架协议。合作范围包括发行合作、联合运营合作、营销服务及独家代理四种模式。协议下计划推出12款合作产品，预计2026至2027年陆续面市。根据公开资料，腾讯控股间接
人工智能发展新挑战与机遇
当前全球人工智能技术路径尚处变动之中，这为加速发展提供了宝贵的战略窗口期，但随着主要国家不断加大投资，这一机会窗口正在逐渐收窄。一旦技术生态系统成型，将形成强大的路径依赖，后发国家突破的难度会显著增加。因此，谁能在竞争中率先取得进展，谁就更可能在未来的全球产业版图中占据主导。近年来，我国对人工智能发展高度重视，持续完善顶层设计并加强统筹部署，使人工智能整体实力实现系统性提升。然而，在基础理论和关键核心技术方面，我国仍存在一些短板。我们需全面了解人工智能的发展现状与不足，按照中央的部署和要求，正视差距、持续
美国AI新规引担忧，业界呼吁放宽限制
点击关注，欢迎志同道合的朋友加入！3月20日，特朗普政府推出了《国家人工智能政策框架》，该框架列出了七个优先发展的政策领域。发布这一框架是为了推动政府的目标，即敦促国会今年年底前将关键的人工智能立法提案转化为法律。此外，政府建议利用现有监管机构来执行27项立法建议，而不是创建一个新的联邦人工智能规则制定机构。在国家层面，存在关于联邦与州人工智能法律优先权、保护未成年人免受各种虐待和剥削的最佳法律框架，以及将大型科技公司签署的《纳税人保护承诺》编纂成法的兴趣等实质性辩论。该承诺要求公司提供或支付其数据中心运
中国 AI 立法关键：平衡发展与安全的十大维度（下）
一方面，AI 应用引发的安全隐患日益加剧。据 Netskope Threat Labs 发布的 2026 年欧洲最新威胁报告显示，在 AI 导致的数据泄露事件中，涉及受监管敏感数据（如个人身份信息 PII）的比例高达 59%，紧随其后的是源代码（15%）及企业知识产权（13%）。员工惯于将公司未公开的财报、客户隐私或核心代码直接粘贴至 ChatGPT、Claude 等个人账号进行润色或总结，致使大量敏感资产有去无回，此举直接触犯了欧盟《通用数据保护条例》（GDPR）。另一方面，AI 应用所创造的价值也愈发
科技板块极端抱团行情的转折点如何识别？
科技板块极端抱团行情的转折点如何识别？本轮市场分化与虹吸效应堪称史无前例。当下科技行业几乎吸纳了整个市场的流动性，无论是金融、消费，还是中小盘个股，都难逃被抽血的命运。确实令人惊叹。 只要专业投资者仍在警示风险，就表明泡沫尚未到达破裂临界点；趋势性行情中核心在于仓位把控，而非短线波段的微薄收益；面对确定性不明朗的事件时应避免全仓持有——总之任何时候都不宜满仓操作。 有两个认知误区需要规避。 其一，将某现象冠以"史无前例"之名，常被用来压制批判性思考，暗示传统规律已失效、历史参照无意义。这种做法往往是错误的
掌握这三个表达技巧，AI写作立刻变简单
你是否也经历过这样的抓狂时刻？看到群里别人用AI创作得又快又棒，你回家一试——输入一句话，AI回你一堆空洞的套话。改了三遍还是找不到感觉，气得你直接把页面关了，心里暗想：这东西就是骗钱的！且慢！不是AI不够聪明，是你不懂得如何与AI交流。就像你去理发，跟Tony老师说"稍微修一下"，他给你整了个板寸；换成"鬓角保留两指宽，刘海打薄别动头顶"，出来的效果就完全不同。和AI互动，核心不在AI多智能，而在你会不会表达需求。今天教你三句话，彻底摆脱"AI流水账"。很多人一上来就让AI直接输出。结果呢？AI确实写了
AI生成的网页太土？这款27k星项目教AI学会审美
这个项目名为 Taste Skill，其定位非常明确：即对抗 AI 前端“模板化、廉价感、千篇一律”的技能框架。这个项目名为 Taste Skill，其定位非常明确：即对抗 AI 前端“模板化、廉价感、千篇一律”的技能框架。用中文来说，它旨在专门对抗 AI 前端中常见的“模板味、廉价感以及泛化设计”。它的目标并非取代 Cursor、Claude Code、Codex、v0 或 Lovable 等工具，而是为这些 AI 编程助手施加“设计审美上的约束”。换言之，这就像是为 AI 设计师配备了一本“严禁生成土
团队中的AI应用
越来越觉得，AI 模型能力的提升确实在很多地方提高了效率，也节省了大量沟通成本。尤其是在小组作业和展示任务里，可以让团队成员从PPT 制作、排版调整和资料整理这些琐碎环节里解放出来，把更多时间投入到内容本身，投入到逻辑、观点和表达的打磨上。一直相信，高质量的输出离不开大量高质量的输入。确定分析对象为 TCL 之后，我开始在各个平台查找相关资料。国内公众号和知乎等平台上的内容相对高质，36 氪、新眸、正和岛、哈佛商业评论，确实提供了不少思路。不过这些资料本身也比较分散：有的只聚焦 TCL 的某一个侧面，有的
从可用到可信：AI系统设计伦理通用准则解读
随着人工智能加速渗透至工业制造、城市管理、医疗卫生、教育服务、智能硬件、机器人等行业，AI系统已不再单纯作为“辅助工具”存在，而是逐步演变为具备环境感知、数据解析、智能推演、自主决策及行动执行能力的综合体系。如何确保人工智能系统在设计之初便兼顾安全性、公平性、透明度、责任归属及可持续性，已成为推动产业高质量发展的核心议题。《人工智能驱动系统 设计伦理 通用准则》的出台，正是针对这一现实诉求，旨在为人工智能驱动系统在设计阶段的伦理治理提供通用规范与实施路径。01这是一项面向“设计阶段”的伦理治理标准标准明确
AI 模型迭代五大必检：先控风险后求速
OpenAI 近期推出的前沿治理架构，其核心警示十分明确：评估模型升级时，不能仅关注“性能提升了多少”，更需审视其是否同步纳入了风险管控、权限设定及回滚机制。对于团队而言，此类框架的真正价值不在于政策条文，而在于它迫使我们将上线前的核查步骤具体化。切勿直接询问“新模型是否更强”，而应探究它在哪些任务中表现更稳健，又在哪些场景下更易产生过度自信。梳理出实际业务中最高频的 3 至 5 个应用场景，逐一对比新旧模型的表现，避免单纯依赖基准测试数据。一旦模型涉及工具调用、数据检索及自动化执行，务必率先确认权限边界
清华五道口AI俱乐部 |自主Agent成产业新风向,科技巨头竞相布局基础设施,智能体技术快速演进,商业落地进程提速
各位早安！欢迎收听清华五道口AI俱乐部，每日为您播报AI领域最新动态。英伟达开源AI训练框架Polar赋能编程智能体2026年5月28日，英伟达研发团队正式推出开源训练框架Polar，为Codex、Claude Code、Qwen Code等主流AI编程智能体提供统一的GRPO强化学习训练接入标准方案。该框架的核心突破在于完整记录并复现智能体任务执行路径进行训练适配，全程无需改动原生运行逻辑，大幅降低了将前沿强化学习技术应用于多样化编程智能体的工程难度。在权威软件工程基准SWE-Bench Verifie
联合国被视作AI治理的理想平台
人工智能系统正越来越多地跨越国界部署，却对其所影响的民众毫无问责机制可言。例如，基于高收入国家数据训练的癌症检测算法，持续对全球南方的患者造成误诊，因为那里的深色皮肤和不同的疾病特征从未被纳入训练数据集。在整个欧洲，将人工智能用于边境和庇护系统——包括可信度评估、身份验证和测谎——增加了寻求庇护者被错误地遣返回非安全国家的风险。这些不仅仅是外国行为者恶意操作的结果。它们是在缺乏与人工智能全球影响力相匹配的共同标准、护栏或治理授权的情况下，跨国部署新技术所产生的副产品。不同的利益相关方正在汇聚起来应对这一现
AI素养：重塑人机协作的关键能力
一、引言：为何“AI素养”正成为未来社会的核心竞争力？近年来，人工智能的演进速度远超大众的想象。从智能推荐、生成式AI，到自动决策与智能助手，AI已不再局限于技术人员专用的工具，而是逐渐演变为重塑组织运作、职业形态及社会结构的核心力量。在此背景下，一个核心议题愈发凸显：当AI日益展现出强大的智能时，人类究竟需要具备何种能力，才能实现与AI的有效协同？以往的信息系统研究往往聚焦于AI技术本身，如算法性能或系统功能。然而，人机协作的价值不仅取决于AI的强大，更取决于人类是否具备理解与驾驭AI的能力。换句话说，