加州大学伯克利分校数学系，理查德·博切兹最近改了自己的作业规则。作业交了就得分，答案对不对，不管。他1998年拿过菲尔兹奖。理由很直白：学生用AI写作业太普遍，他分不清；再花钱请助教逐题判，也没意义。36氪
按对错打分，只会奖励用AI的人，惩罚老老实实做题的人。真正的评分，挪到了不许带电子设备的线下考试。布朗大学一位教授也撞上过同样的事。现代快报
他的学生开卷期中平均分96%，历史均值只有65%到80%；改成线下期末后，只有2个人的成绩和期中差在10分以内。Tech星球
这不是个别课堂的麻烦。香港大学经济学教授吴延晖牵头的一项研究，调取了我国中部某县9所中学、26811名初高中生、跨度30个月的学业记录。
结论是：学生用AI做作业更快更好，但6个月内月考成绩下降20%；两年后，参加中考和高考的人，成绩比原本的能力基线分别低24%和18%。作业成绩体现的是AI的能力，不是学生自己的思考能力。人民网
几乎同时，数学界也在经历另一场地震。10月6日深夜，OpenAI在GitHub一次性放出722篇AI生成的数学手稿，覆盖372组结果。四维挂谷猜想、希尔伯特第十问题，都在里面。知乎微博
几天后，陶哲轩把这种不加区分的自动解题，比作“开挖掘机盗掘考古遗址”。知乎
发布第二天，一篇代数几何论文被找出一处符号错误：一个本该是−1的符号，写成了+1。这个正负号是承重的，整套构造都压在它上面。连带两篇引用它的论文一起撤回，手稿从722篇降到719篇。知乎
错误是怎么发现的？有人在Reddit上，用OpenAI自己的模型跑出来的。
更麻烦的是验证率。按仓库说明，这批结果只有约42%做了形式化验证，有数学家重新统计后认为只有24%到36%。机器验证通过，也不等于有人读懂了。知乎
菲尔兹奖得主雨果·迪米尼-科潘在访谈里说，发布那晚他真的哭了。他的领域里有16个问题被覆盖，三千多页引用了他的工作。但他第二天就组织团队去读这些证明。知乎
他打了个比方：以前翻数学这座山靠徒步，现在有人用直升机把你直接放到山顶。
不是坏事，只是不一样了。他自己给的用法很具体：人卡住的地方，用AI当杠杆；学生还在长本事的地方，把矿留在地下。知乎
回到课堂。博切兹没有解决作弊，他只是承认：作业作为能力检测器，已经失灵。
北京工业大学教授王博岳说得更直接：回答流畅不等于事实正确，生成代码不等于程序可靠。模型越强，教育越需要重视人的判断力。人民网
所以，与其问“要不要用AI”，不如问三个更具体的问题。
第一，合上AI，这道题你还能不能独立做一遍？第二，你能不能用自己的话，把每一步为什么这么走讲清楚？
第三，你能不能在它的答案里，找出至少一处可能错的地方？
三个都答不上来，说明你拿到的是结果，不是能力。三个都能答，AI就是你的直升机，不是你的替身。
那722篇手稿里，最值钱的不是任何一个结论，而是那个被找出来的正负号。
它提醒所有人：AI可以把产量拉到人类追不上的程度，但“看懂”和“验货”仍然得有人做。
博切兹说，如果AI对社会最坏的影响只是让作业更难打分，他会很欣慰。这话听着像自嘲，其实是提醒——真正难打的不是分，是我们还愿不愿意走那段没人看的路。Tech星球
