软件介绍
多所{高校宣布停招学硕，研究生招生考试改}革纵深推进
近年来，我国研究生招生体系改革不断向纵深推进。国务院最新印发的《教育发展“十五五”规划》（下称《规划》）强调，要着力锻造卓越研究生教育，完善学术学位与专业学位研究生在选拔、培养及评价环节的差异化机制，创新探索“博士+硕士”双学位培育模式，并强化导师队伍能力建设。《规划》同时提出，需加强基础学科、交叉学科以及战略紧缺领域在本科、硕士、博士阶段的贯通式培养。
此外，《规划》明确指出，要稳健推进研究生考试招生制度的变革。麦可思研究院分析认为，这标志着在研究生教育规模历经持续扩张后，招考改革正将重心转向“选拔机制优化”，其内涵涵盖分类选拔体系的构建、初试环节的革新以及复试评价标准的完善等多个维度。
值得关注的是，学术学位与专业学位的分类发展近年来已步入快车道。早在2020年的全国研究生教育会议上，便确立了未来高层次学术创新人才将主要依托博士教育培养，硕士阶段则侧重应用型人才，即以专业学位硕士作为培养主体的方向。同年出台的《专业学位研究生教育发展方案（2020—2025）》进一步设定了明确目标，即硕士专业学位研究生的招生规模需提升至硕士研究生招生总规模的约三分之二。
据媒体报道，北京理工大学研究生教育研究中心主任王战军指出，随着高等教育毛入学率的持续攀升，社会对专业型人才的渴求已远超学术型人才，这必然倒逼招生考试制度作出相应调整。他预测，未来学术型与专业型研究生考试有望采取分别命题的方式；同时，专业型研究生的复试环节可引入行业专家参与，着重评估考生的实践操作能力，而学术型研究生则更侧重于考察其知识储备的广度、学术追求及创新潜能。
与此同时，近期国内多所高校相继宣布停招学术学位硕士。例如，上海交通大学数学学院于6月24日发布通知，决定自2027年起不再招收数学专业的学术学位硕士研究生。浙江大学则于6月15日由超过十个学院联合公告，明确2027年仅招收全日制专业学位硕士。而复旦大学数学科学学院在4月发布的消息中阐述道：“依据我院人才培养规模及结构调整的规划，自2027年起将停止招收学术学位硕士研究生（专项计划除外）。‘国家优秀中小学教师培养计划’等专项将继续按既有要求通过推免方式招收硕士生。学院还将积极扩大博士研究生招生规模，主要以招收直接攻读博士学位的研究生为主。”
从整体趋势来看，部分双一流高校愈发倾向于将学术型人才培养的重心转向直博及硕博连读模式。近年来，多所高校的直博生推免名额大幅增加，目的在于为有志于科研的学生开辟一条更为直接且连贯的学术研究通道。对高校而言，缩减学术学位硕士规模亦是优化培养结构的必要之举。
此外，《规划》还特别提出探索“博士+硕士”双学位的人才培养模式。去年12月，国务院学位委员会已印发《“博士+硕士”双学位项目试点设置管理办法》，允许试点高校自主设立此类项目，支持博士生在攻读博士学位期间，同时研修另一学科专业的硕士学位。今年以来，北京理工大学、哈尔滨工业大学、西北工业大学、北京交通大学、南京大学、山东大学等众多高校已纷纷启动相关项目，鼓励博士生辅修人工智能等新兴领域的硕士学位，以拓宽复合型人才的培育路径。
功能特点
工业和信息化部赴部分汽《车生产企业》开展监督检查
中新网7月31日电 据“工信微报”微信公众号披露，7月30日至31日，为强化汽车行业竞争规范、提高车辆生产一致性及质量安全水准，工业和信息化部装备工业一司对奇瑞汽车股份有限公司、蔚来汽车科技（安徽）有限公司及安徽江淮汽车集团股份有限公司，展开道路机动车辆生产企业的产品安全保障能力及生产一致性专项检查。此次行动聚焦于企业智能网联汽车安全防护能力、设计开发与制造实力、生产一致性保障等关键准入条件，并现场随机抽取样车及动力电池，送至指定机构进行国家标准的符合性检测与验证。
接下来，工业和信息化部计划联合相关部门，深入推进道路机动车辆产品的生产一致性与质量提升专项工作，着重强化对汽车产品“激进式”创新设计的准入审核及测试验证管理。同时，将督促汽车与摩托车制造企业全面排查产品安全隐患，加强测试验证与安全评估流程，规范市场宣传行为，坚守产品安全红线，从而切实保障消费者合法权益。
使用说明
高校{生成式人工智}能治理的国际经验
生成式人工智能正以空前之势重塑全球高等教育的版图。从学生撰写论文，到教师设计课程，再到高校教务管理，这一颠覆性技术已深入渗透到教育链条的每一个细微环节。它在显著提升效率的同时，也带来了一系列不容回避的隐忧——学术诚信的边界被模糊，数据安全的防线遭到挑战，伦理责任的归属变得扑朔迷离。面对这样一把利弊交织的“双刃剑”，如何在释放技术赋能潜力的同时构筑有效的风险防控屏障，从而探索出一条契合人工智能时代需求的高校治理新路，已然成为全球高等教育界共同面对且亟需破解的时代课题。
价值航向：从“严防死守”到“价值驱动”
生成式人工智能向高等教育腹地的持续挺进，绝非仅仅是引入了一件效率工具，它更深层地触发了对教育内在价值与未来人才塑造目标的根本性省思。纵观全球各大高校的治理实践，大致可梳理出三种鲜明立场：严令禁用、有界开放，以及将技术深度内嵌于教育肌理。这三种取向，既是技术扩散在不同发展阶段所留下的现实印记，也深刻折射出高校在恪守教育传统与拥抱技术变革之间所面临的价值抉择与张力。
在生成式人工智能崭露头角的初始阶段，一批高校和教育管理机构不约而同地选择了审慎防御的姿态，对其使用施加严格限制。这种策略的核心，在于防范新兴技术对既有教育秩序造成强烈冲击。教育界普遍弥漫着一种忧虑：学生若过度依赖智能工具，其独立思辨和创新创造等核心素养恐将日渐式微。与此同时，根深蒂固的学术诚信规范，也使得高校在面对这种可能部分替代人类认知劳动的技术时，本能地倾向于保守应对。美国纽约市教育局早期的做法便是典型注脚，其在2023年初以可能损害学习成效为由，明令禁止在校园网络和设备上使用ChatGPT。尽管该禁令因技术应用的势不可挡而在数月后取消，但这种审慎的防范姿态，却生动反映了传统教育模式在技术风暴初期的应激反应。
伴随技术能力的持续跃升及其在教育场景中的广泛落地，越来越多的高校正逐步意识到，简单粗暴的一禁了之既难以落实，也违背时代发展的必然趋势。因此，治理立场开始向“有条件开放”转向。治理的重心也从“是否允许”转变为“如何规范”，普遍路径是发布详尽的使用指南，为师生提供清晰的行动框架。以英国牛津大学为例，该校于2024年发布的使用指引，明确区分了可允许与严禁使用的具体场景：它支持学生运用智能工具来提升学习技能和辅助课程理解，同时掷地有声地强调，人工智能绝不能替代人的批判性思考，更不能取代建立在证据之上的学术论证和学科知识建构。这种以规范引导为核心的治理模式，在坚守学术底线与为技术创新预留探索空间之间，努力寻求一种动态平衡。
在此基础上，一些更具前瞻性的高校已超越单纯的风险应对逻辑，转向以教育赋能为导向的积极立场，将生成式人工智能视为撬动教育范式深层变革的战略杠杆。它们通过周密的制度设计与充裕的资源投入，主动推进该技术与教学、科研及行政管理的全方位融合。2024年，美国亚利桑那州立大学开创先河，成为全球首个与OpenAI建立深度合作伙伴关系的高校，在课堂教学、科研辅助和行政流程中系统引入智能工具，大胆探索人机协同的新型教育模式。这一重大转向，揭示了高校治理逻辑的内在演化——从“使技术适应既有教育框架”到“让教育因技术而实现跨越式发展”。当生成式人工智能被纳入制度化轨道并与教育目标同频共振时，其价值便不再局限于效率的提升，更在于对教育范式本身的重塑与再造。
规则建构：多层规范体系划清应用行为疆界
在“有界开放”与“教育赋能”这两种主流治理取向之下，负责任地使用技术是所有实践的共同前提，这必须依赖具体、可操作的行为准则来落实。总体观之，全球高校正围绕学术诚信、数据安全与责任归属等关键领域，逐步编织起一套系统化的规则网络，将宏观的治理理念细化为师生可以遵循、可以问责的具体规范，从而为技术的应用划定清晰而明确的边界。
学术诚信，无疑是高校在治理浪潮中面临的最为核心议题。由生成式人工智能辅助产出的成果，其原创性归属饱受争议。为此，国际高校普遍从三个维度着手调整学术规范：其一，扩充对学术不端的定义，将“未经明确授权的AI使用”明确纳入作弊或剽窃的范畴；其二，在具体教学情境中细化使用边界，清晰区分允许与禁止的环节，例如允许将AI用于资料收集整理等辅助性工作，而在核心观点形成和最终内容创作等关键环节则严格禁止；其三，建立强制性的披露机制，要求学生在提交成果时，必须如实说明所用AI工具的名称、应用的环节以及生成内容的占比，将过程透明作为合规的基本前提。值得注意的是，在检测手段的应用上，国际高校普遍表现出审慎态度。当前市面上主流的AI检测工具误报率依然偏高，对非母语写作者尤为不公，且潜藏着数据泄露风险。因此，包括麻省理工学院在内的众多顶尖学府，并不主张将技术检测结果作为唯一的裁决依据，而是倡导结合人工专业判断进行综合评估。
数据安全，是高校治理中带有刚性约束的领域。用户输入生成式人工智能的信息，可能被用作模型训练的数据来源，这对学生个人隐私和高校敏感科研数据构成了现实威胁。为此，国际高校大多建立了明确的数据安全规范，明令禁止将个人隐私、敏感信息以及高校自有数据上传至未经安全认证的AI平台，同时积极鼓励师生优先选用学校官方采购或认证的安全工具。在具体的风险防控实践中，数据分级管理被证明是一条行之有效的经验。哈佛大学便是一个案例，该校将数据划分为从完全公开到高度敏感的五个层级，并严令禁止将属于机密级别的数据输入公共智能模型。与此同时，为了在安全与效率之间取得平衡，杜克大学等高校积极推动校园专属大模型的研发与部署，引导师生使用经由学校授权、更具安全保障的企业版或私有化工具。这种“堵疏结合”的治理策略表明，数据安全治理绝非单纯的消极设限，而是通过制度化的安排，为技术在可控的边界内释放活力。
此外，基于生成式人工智能的人机共创模式，使得内容生产的责任归属问题变得空前复杂，这要求高校必须在制度层面给出清晰界定。在此问题上，全球高校正逐步凝聚起几项共识：第一，必须明确AI生成内容可能存在的偏见与谬误，使用者有义务进行严格核查，并对最终产出负全部责任；第二，严禁将人工智能系统列为论文或成果的作者，以维护人类在学术活动中的绝对主体地位。这一规则背后的深层逻辑不言而喻：生成式人工智能可以作为强大的辅助工具提升效率，但绝不能僭越人类的判断力，更不能转移本应由人类承担的学术与伦理责任。
能力锻造：赋能生成式人工智能的有效应用
仅依赖规则约束与事后追责，显然难以从容应对生成式人工智能持续迭代所引发的复杂挑战。全球高校正日益深刻地认识到，治理的重心应当从设定行为规范，进一步拓展至深层次的能力建设。通过系统性的素养培育与资源支持，让师生真正具备深刻理解并娴熟驾驭人工智能的能力，才能真正实现技术对教育的赋能愿景。早在2019年，联合国教科文组织发布的《北京共识——人工智能与教育》便前瞻性地提出，应“采取体制化的行动，提高社会各个层面所需的基本人工智能素养”。
生成式人工智能素养，绝非等同于单纯的技术操作技能。国际研究普遍将这种素养划分为层层递进的多个维度：从最基础的技术认知与功能理解，到熟练的工具运用与任务整合，再到对AI生成内容的批判性审视与创造性再加工，直至能够在复杂多变的现实情境中做出独立的伦理判断与负责任的行为决策。这种素养观的核心，在于让技术“为我所用”而非被其牵引或奴役。在这一全新框架下，人工智能时代高校人才培养的重点，已不再局限于知识传授与技能训练，而是更加侧重于基于AI环境的批判性思维、高阶学术探究能力和创新意识的养成，以更好地适应知识生产方式与职业图景的剧烈变革。
在学生赋能层面，《北京共识》建议运用人工智能“促进学习和学习评价”。围绕这一目标，国内外高校正从课程体系重构与学习方式转型两个方向同时发力。在课程建设上，一条路径是将生成式人工智能有机嵌入专业教学之中。例如，新加坡国立大学将AI编程辅助工具引入计算机专业课程，在夯实学科理论根基的同时，帮助学生积累人机协同开发的前沿经验，从而更好地适应被AI深刻重塑的产业环境。另一条路径是开设面向全体学生的人工智能通识课程。南京大学便是先行者，该校推出了体系化的本科生AI通识课程，将技术原理、伦理规范与行业前沿应用融为一体，助力学生构建紧跟时代的知识体系。此外，一批高校还在探索将AI融入学习评价环节，通过过程性评估与个性化反馈，有效提升学生的自主学习效能。
在教师赋能方面，《北京共识》着重强调要运用人工智能“赋能教学和教师”。为此，国内外高校正积极构建系统化的支持体系：其一，提供定制化的培训项目与丰富资源，帮助教师掌握智能工具在教学场景中的应用方法，如墨尔本大学推出的“AI for Teaching and Education”系列资源，为教师提供了紧跟时代步伐的教学支持；其二，开发轻量级、易于上手的自助工具与平台，降低技术应用门槛，斯坦福大学、复旦大学等高校创建的人工智能共创平台，都为教师提供了简便的探究与实验空间；其三，设立专项研究基金与激励计划，鼓励教师开展基于AI的教学改革与科研创新，例如卡内基梅隆大学的“生成式人工智能教学研究计划”以及中国人民大学的“AI赋能科研创新应用”资助项目。这些举措从素养提升、工具保障到制度激励等多个维度协同并进，切实有效地提升了教师在智能化教学环境中的创新实践能力与内在驱动力。
全球高校对生成式人工智能的治理探索，正逐渐超越单一层面的技术风险防控，迈向一场关乎价值重塑、规则建构与能力培育的系统性变革。面向充满机遇与挑战的未来，我们应当继续坚守以人为本的根本原则，以更加开放、审慎和智慧的姿态，推动人工智能与高等教育的深度融合，在汹涌澎湃的技术浪潮中牢牢把握教育变革的主导权，从而培养出真正能够适应并引领未来时代发展的高素质人才。
更新日志
多所{高校宣布停招学硕，研究生招生考试改}革纵深推进近年来，我国研究生招生体系改革不断向纵深推进。国务院最新印发的《教育发展“十五五”规划》（下称《规划》）强调，要着力锻造卓越研究生教育，完善学术学位与专业学位研究生在选拔、培养及评价环节的
句子10