7月9日上午，首届人工智能赋能哲学社会科学创新研讨会在中国人民大学中关村校区举行。本次会议由中国人民大学国家治理大数据和人工智能创新平台（以下简称“创新平台”）主办，字节跳动TRAE平台提供技术支持。来自中国人民大学、中央财经大学、对外经济贸易大学、南开大学、中国传媒大学、北京师范大学、北京交通大学、清华大学、北京大学、复旦大学、吉林大学、哈尔滨工业大学、中国农业大学、中央民族大学、中国政法大学、上海财经大学、北京中医药大学、北京工业大学、外交学院等全国29所高校的108位专家学者、一线教师代表参加现场活动，围绕人工智能赋能哲学社会科学教学科研的实践路径、能力培养、评价方式和协同机制展开深入交流。

会议由中国人民大学国家治理大数据和人工智能创新平台副主任代文林主持。他在开场中表示，人工智能正在深刻改变知识生产方式、教学方式和人才培养模式。对于哲学社会科学而言，人工智能不只是新的工具，也是推动学科范式更新、研究方法拓展和教育改革的重要变量。哲学社会科学既要坚守自身的问题意识、价值关怀和学术传统，也要主动拥抱新技术、新方法、新场景。希望通过本次研讨会，把理念讲清楚、把经验讲具体、把问题谈深入、把合作机制建立起来，共同探索人机协同的教育科研新模式。

中国人民大学国家治理大数据和人工智能创新平台执行主任陈跃国介绍了创新平台的建设背景、功能定位及实践探索。他表示，面对人工智能带来的深刻变革，中国人民大学积极推动大数据、人工智能技术与哲学社会科学优势学科深度融合，探索以高水平工程化能力赋能哲学社会科学转型发展的新路径。

创新平台坚持服务国家需求、引领交叉创新、促进人才培养和创新科研机制，组建专业工程师队伍，在校内组织成立27个交叉研究团队，以工程开发凝聚跨学科力量、支撑有组织科研。目前，平台围绕高等教育人才供需对接、基础研究投入与经济社会发展、基层治理、涉外法治、国际传播以及边疆与周边发展等领域开展了一系列探索，推动学科理论、数据资源与人工智能技术协同创新。

陈跃国主任表示，人工智能赋能哲学社会科学，不能停留在一般性的工具使用层面，而应面向国家重大战略需求和真实社会问题，通过数据、算法、模型和工程系统，将学科知识转化为可分析、可验证、可应用的研究能力和治理能力。

字节跳动TRAE战略分析师黄果安以“TRAE赋能高校科研教学的路径与实践”为题作主题报告。他基于TRAE团队走进全国135所以上高校、与两万余名师生开展交流的实践，分析了人工智能进入高校后面临的工具碎片化、传统评价体系受到冲击、系统性教学资源不足等现实问题。

他指出，人工智能已经成为教学、科研和工作中的重要生产要素。高校需要的不是简单增加一款“教育版”工具，也不只是增加算力和使用额度，而是一套能够支撑“教什么、怎么教、如何实践、怎样评价”的系统性方案。

围绕这一目标，TRAE团队构建了涵盖AI认知基础、产品操作、协作方法和场景实训的模块化课程体系，并探索以统一稳定的工具环境支撑不同学科的教学与科研活动。黄果安表示，在人机协作过程中，人应负责确定方向、设计架构和作出判断，人工智能则承担资料处理、任务执行等具体工作。未来，TRAE将继续与高校教师共同完善课程内容和产品功能，推动AI能力与不同学科的教学场景、科研流程深度结合。

在“教师说”环节，来自北京邮电大学、中国传媒大学和中国人民大学的四位老师，围绕人工智能进入课堂和科研场景后“教什么、怎么教、如何评价、怎样高效使用”等核心问题，结合零代码工程教学、课堂互动设计、实证研究工具协同应用和“真命题”课程改革等实践，集中展示了人工智能推动教学模式创新、科研流程重塑和人才培养方式变革的多元路径。

中国传媒大学教师刘青以“如何利用AI提高课堂互动性”为题，现场展示了利用TRAE设计课堂互动内容的过程。

围绕哲学家及其代表观点、费孝通生平与著作、《罗生门》多视角叙事等内容，刘青演示了如何通过自然语言快速生成互动网页、学习任务和多媒体教学素材。教师无需具备专业编程能力，也可以根据课堂节奏和学生反馈灵活调整教学内容，将过去答案固定、形式单一的作业转化为更加开放的项目和作品。

刘青表示，人工智能可以帮助教师提高内容生产和课堂组织效率，但教师仍然是教学内容和教学质量的最终责任人。技术是工具，教育是目的。教师应通过人工智能激发学生的主动参与、成果展示和持续探索，使课堂真正实现教学相长。

中国人民大学商学院助理教授、教育部青年长江学者陈志远以“为实证研究者打造真正需要的IDE”为题，分享了人工智能赋能实证研究的工作流程和方法思考。

他指出，实证研究通常涉及文献阅读、数据清洗、计量分析、图表生成、论文写作、版本管理和成果复现等多个环节。当前，不同工具之间相互割裂，大量科研时间被消耗在复制粘贴、格式调整和重复配置上。与此同时，人工智能强大的生成能力也增加了研究者审阅、验证和承担学术责任的压力。

为此，他提出以开源IDE为底座，将数据、代码、论文、图表、专业软件和版本控制整合到统一环境中，形成一站式、半自动化的科研工作流。在这一模式下，研究者始终掌握研究方向和学术判断，人工智能负责辅助执行和提高效率，形成“研究者领航、人工智能助航”的协作关系。

陈志远特别强调，可复现性、过程日志和版本控制是人工智能时代科研规范的重要组成部分。真正有效的学术智能体必须融入学科研究者的专业知识、学术品位和研究经验，不能以自动生成代替研究者的理论判断和学术责任。

中国人民大学国家治理大数据和人工智能创新平台助理研究员秦子童以“依托Vibe Coding工具引入‘真命题’促进实践类课程创新”为题，分享了《数据科学实践》课程的改革探索。

他提出，在数智时代，哲学社会科学人才不仅要具有人文底蕴和扎实的理论功底，还应具备一定的工程思维和跨学科整合能力，能够将问题意识、理论理解和数据想象力转化为可运行、可验证的解决方案。过去，一些实践类课程长期围绕模拟场景和固定案例展开。学生虽然完成了项目，却不一定真正理解“为什么学”和“能够用来解决什么问题”。随着Vibe Coding降低技术实现门槛，原本需要一个学期完成的技术任务可能在很短时间内完成，实践课程的价值必须从单纯训练技术操作，转向培养学生发现问题、定义问题和解决真实问题的能力。

在课程改革中，教学团队将“全国统一大市场建设对司法公正的影响”这一跨法学、经济学和数据科学的真实研究命题引入课堂，组织学生处理覆盖十年、涉及全国31个省区市的1.5亿条裁判文书数据。学生需要面对数据噪声、信息缺失、格式差异和大规模计算等真实挑战，经历从问题提出、数据处理、模型分析到学科解释和成果呈现的完整过程，并据此开发数据分析工具和智能应用。

秦子童表示，Vibe Coding可以概括为“你负责想，AI负责做”，但这并不意味着将所有任务交给人工智能。相反，人工智能越能执行，教师和学生越需要理解工具边界。教师要从知识传授者转向问题架构师，负责设计“真命题”、把控学术质量和引导深度思考；学生则应从完成规定动作转向解决真实问题，在实践中形成方向感、成就感和持续探索的信心。

会议期间，中国人民大学国家治理大数据和人工智能创新平台与字节跳动TRAE平台共同发布“AI+学科共建计划”。字节跳动TRAE负责高校运营的许迎晓介绍了计划的具体内容。

该计划将面向高校教师提供课程资源、产品权益、算力支持、专家进课堂、赛事支持、企业真实命题和优秀学生实践就业机会等多层次支持，鼓励教师结合不同学科的教学目标和科研流程，对通用课程内容进行重构和创新。

“AI+学科共建计划”坚持开放合作、打破学科边界、推动资源共享，重点支持人工智能与哲学社会科学课程教学、科研数据分析和社会治理研究等场景融合。未来，双方还将通过年度创新发展大会、专题学术沙龙和AI科研工作坊等形式，持续汇聚高校教师的实践案例和真实需求，推动优秀教学经验、课程资源和应用成果共建共享。

在圆桌对话环节，与会嘉宾围绕“AI时代的文科教学——机遇、边界与共识”展开交流。圆桌对话由秦子童主持，詹志强、陈志远、许迎晓、黄果安参加讨论。

嘉宾们认为，人工智能正在推动科研从碎片化工具使用转向系统性赋能，也为高校与企业共同定义工具、打磨产品、建设课程和服务学科创新提供了新的合作空间。AI赋能并不是简单替代教师和研究者，而是要降低不必要的技术门槛，将人的精力释放到问题发现、价值判断、理论创新和学术创造中。

面向未来人才培养，嘉宾提出，高校应更加重视学生的品位、想象力、判断力、持续学习能力以及从想法到项目落地的实践能力。对于哲学社会科学学生而言，人工智能带来的不是专业价值的削弱，而是将人文关怀、问题意识和理论判断转化为产品、系统和社会解决方案的新机会。

与会嘉宾还围绕科研工作流产品化、哲学社会科学情境训练、学生过程评价、学科插件和能力组件建设等问题进行了讨论。大家一致认为，高校教师拥有深厚的学科知识和教学经验，企业拥有技术、产品和工程能力，只有走进真实课堂和科研现场，共同发现并解决“真问题”，才能形成真正适用于不同学科的人工智能工具和教育科研新模式。

本次研讨会集中展示了人工智能赋能哲学社会科学教学科研的多元实践，也进一步凝聚了共识：人工智能越强大，越要坚持教育的主体性；技术门槛越低，越要提升问题的含金量；工具执行能力越强，越要重视人的价值判断、学术责任和专业能力。

未来，中国人民大学国家治理大数据和人工智能创新平台将继续发挥跨学科组织、数据资源和工程技术优势，联合高校、企业和科研机构，围绕真实教学需求、真实科研流程和真实社会命题深化协同创新，推动人工智能更好赋能哲学社会科学教学创新、科研创新、人才培养创新和成果转化创新，为加快构建哲学社会科学高质量发展新形态贡献力量。