AIGC技术对大学生学习与就业的影响及认知调研问卷
随着生成式人工智能（AIGC）技术的发展，AI工具正逐步进入大学生的课程学习、科研实践、日常生活和求职准备等场景。本问卷旨在了解大学生使用AIGC工具的实际情况、对学习与就业变化的认知，以及对高校人工智能教育和管理的需求。
本问卷仅用于课程社会实践与学术分析，采用匿名方式收集，不要求填写姓名、学号、手机号等个人身份信息。问卷没有标准答案，请根据自己的真实经历和看法作答。所有问题均可自愿回答；如不愿回答某个问题，可以跳过。
预计填写时间为6—9分钟（精简版）。感谢你的参与！
事件导读：
Google DeepMind在2026年2月介绍了Gemini Deep Think参与数学、物理和计算机科学研究问题的进展，并介绍了数学研究智能体Aletheia：它能够生成候选解答、检查论证中的问题，再反复修改答案。
一个研究了近80年的数学问题——平面单位距离问题，关注平面上给定若干点时，彼此距离恰好为1的点对最多能有多少。2026年5月，OpenAI公布了一项由其模型得出的研究结果，声称推翻了该问题中一个重要猜想，并公开了相关证明材料。这类进展的意义不只是AI能够解题，而是它开始尝试提出新的数学论证。
2025年公开的一项微软研究工作EvoTest，探索了智能体如何在连续任务中改进表现：一个智能体执行任务，另一个智能体分析失败记录，并据此修改提示词、记忆、工具使用方式和系统配置，以便下一轮做得更好。该研究被收录于ICLR 2026相关会议研究成果中，展示了不进行传统模型微调也能改进智能体表现的一种路径。
2025年4月，OpenAI发布PaperBench基准测试，用来评估AI智能体能否从头复现前沿AI研究论文，包括理解论文贡献、开发代码、运行实验并完成可核验的任务。测试覆盖20篇ICML 2024的Spotlight与Oral论文；当时表现最好的受测智能体平均得分为21.0%，研究团队招募的人类机器学习博士也未被AI超过。
Anthropic旗下研究机构在2026年的专题中讨论了递归自我改进（recursive self-improvement）：AI正越来越多地参与代码编写、模型开发与系统优化，未来甚至可能参与设计下一代AI系统。