Anthropic 于周三宣布推出全新的 Claude for Education 服务层级,这是对 OpenAI 的 ChatGPT Edu 计划的回应。这一新服务面向高等教育机构,为学生、教职员工提供访问 Anthropic 的 AI 聊天机器人 Claude 的权限,并附带一些额外功能。
其中一项重要特性是 Claude Projects 中的"学习模式",这个新功能旨在帮助学生发展自身的批判性思维能力,而不是简单地获取问题答案。启用学习模式后,Claude 会通过提问来测试理解程度,突出特定问题背后的基本原理,并为研究论文、大纲和学习指南提供实用的模板。
Claude for Education 可能帮助 Anthropic 提升收入。据报道,该公司目前每月收入达 1.15 亿美元,但计划在 2025 年将这一数字翻倍,同时在教育领域与 OpenAI 展开直接竞争。Anthropic 一向倾向于推出与 OpenAI 类似的产品,这次发布也不例外。
Anthropic 表示,Claude for Education 配备了标准的聊天界面,以及"企业级"的安全和隐私控制。在向 TechCrunch 提供的新闻稿中,Anthropic 称大学管理人员可以使用 Claude 分析入学趋势,并自动回复常见咨询邮件。同时,学生可以在学习中使用 Claude for Education,比如在解决微积分问题时获得 AI 聊天机器人的逐步指导。
为帮助高校将 Claude 整合到其系统中,Anthropic 宣布与提供流行教育软件平台 Canvas 的 Instructure 公司合作。该 AI 初创公司还与为高校提供云解决方案的非营利组织 Internet2 展开合作。
Anthropic 表示已经与东北大学、伦敦政治经济学院和尚普兰学院达成了"全校协议",向所有学生提供 Claude for Education 服务。其中东北大学是设计合作伙伴——Anthropic 称正在与该校的学生、教职员工合作,建立 AI 集成的最佳实践、AI 驱动的教育工具和框架。
Anthropic 希望通过新的学生大使和 AI "构建者"项目签订更多此类合同,以把握越来越多学生在学习中使用 AI 的趋势。数字教育委员会 2024 年的一项调查显示,54% 的大学生每周都会使用生成式 AI。Claude for Education 合作可以帮助 Anthropic 让更多年轻人熟悉其工具,同时获得资金充裕的大学的付费支持。
目前还不清楚 AI 对教育可能产生怎样的影响,或者它是否适合在课堂中使用。研究结果喜忧参半,有些研究发现 AI 可以成为有用的辅导工具,而其他研究则表明它可能会损害批判性思维能力。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。