南大副教授蒋炎岩回应“没有Token应立即退学”争议,反思AI时代计算机教育
南京大学副教授蒋炎岩针对此前引发热议的“没有token的CS学生应立即退学”言论接受专访,阐述了AI时代计算机专业教学范式的重塑逻辑。他指出机械手写代码正被用自然语言描述意图并由AI生成的新模式取代,教学重点应转向培养借助AI解决实际工程问题的能力;同时强调当前真正稀缺的不是调用模型的token成本,而是值得花token去解决的真实问题与工程想象力。
南京大学副教授蒋炎岩针对此前引发热议的“没有token的CS学生应立即退学”言论接受专访,阐述了AI时代计算机专业教学范式的重塑逻辑。他指出机械手写代码正被用自然语言描述意图并由AI生成的新模式取代,教学重点应转向培养借助AI解决实际工程问题的能力;同时强调当前真正稀缺的不是调用模型的token成本,而是值得花token去解决的真实问题与工程想象力。
南京大学副教授蒋炎岩就其引发争议的“没有 token 的 CS 学生应立即退学”言论接受专访,阐述在开设的“生成式软件工程”课程中推行自然语言描述意图、AI 生成实现、人工审查迭代的新范式。该课程要求学生自行调用大模型完成实训并禁止纯手写古法编程,考核转向可公开运行的实际作品,旨在应对传统编码技能被 AI 替代后的高校计算机教育危机。
中南林业科技大学李琳团队展示了AI在农林智能感知与工程教育中的落地实践。在农林方向,团队结合 GPT-4 生成图像文本描述并由 DeepSeek 展开推理诊断,同时基于100余株油茶的RGB点云推进三维补全与产量预测。在教学方面,团队借助大模型辅助题目多维认知标注,探索评估学生的真实理解与工程能力。
亚马逊 CTO Werner Vogels 表示,企业不应因焦虑盲目跟风引入 AI,而需先想清楚实际业务需求与技术匹配度。他结合 DynamoDB 和 Nitro 等工程经验指出,不必盲目追逐大模型榜单,较小模型和开放权重模型往往更具成本效益。针对 Agent 落地与 AI 编码,他强调系统必须设立明确的权限边界由人负责,且团队需警惕代码生成带来的验证债。
Nature 报道指出,受美国签证收紧与本土生态成长影响,中国顶尖 AI 人才留存率与论文发表量正快速提高。尽管在算力芯片与资金投入上受限,前沿模型能力据测算仍落后美国 3 至 7 个月,但算力制约正倒逼 DeepSeek、月之暗面等团队聚焦稀疏注意力与低成本高效训练技术。
当前 AI 行业高度将拒绝机制作为大模型安全的核心防线,但由于该机制本质上是基于概率的统计预测,无法从根本上消除安全隐患。多层分类器与特征探测等防御手段不仅难以完全阻挡越狱攻击,还极易演变为对合法言论的过度审查与潜在的隐蔽抗命风险。
随着推理模型和智能体的大规模落地,AI 硬件竞赛重心正从预训练算力全面转向推理阶段的内存与带宽优化。由于自回归解码高度受制于权重读取与 KV cache 传输,各大巨头与初创公司正尝试堆叠计算与 DRAM、片上集成大容量 SRAM、混合异构芯片池以及 4 位量化等软硬件协同路线。分析指出,推理需求的持续膨胀将推动 AI 硬件走向类似 CPU 时代的多元架构创新周期。
Nathan Lambert 整理并发布开源 AI 与开源模型核心阅读清单,全面梳理近年来关于开源战略、安全边界及前沿竞争的重要文献。清单划分为基础战略、中美竞争与技术细节三大板块,深入探讨开源模型的帕累托成本优势、网络安全风险以及蒸馏技术争议。内容还汇集了 Meta 等机构的开源策略分析,以及评估开源与闭源模型约 4 至 6 个月性能差距的实证研究。
Nathan Lambert 与 Florian Brand 在播客中梳理了开源大模型的最新竞争格局,指出中国团队正凭借更高的资金转化效率与专注度缩小与闭源模型的差距。
Nathan Lambert 撰文警告称,受白宫潜在行政命令及闭源厂商以防范知识蒸馏为由的游说推动,前沿开源权重模型可能在未来 6 个月内面临实质性禁令或严格审查。文章指出针对中国开源模型(如 DeepSeek)的封禁将重创依赖开源基础模型的美国本地推理与微调生态。他呼吁 Meta 与微软等具备商业动机的本土厂商尽快开源前沿级模型,并推动开源社区建立统一联盟开展政策游说。
AI 研究员 Sebastian Raschka 发布 2025 年大语言模型年度复盘,系统梳理了以 RLVR 和 GRPO 为代表的推理模型演进、架构效率优化与基准刷榜等关键趋势。