AI冲击数学考核评分体系。

不用投影、不用笔记本电脑,一黑板接一黑板的手写公式推导,这是加州理工学院数学系教授倪忆的入门数学课日常。


这种全靠粉笔的传统授课方式,和如今学生口袋里随手就能调用的AI工具,反差感极强。


最近这位教授改变了自己的评分规则,这背后其实是整个数学学科考核体系正在面临的普遍困境。


据相关报道,倪教授调整了作业的评判标准:不再按答案正确率打分,只看学生有没有完成作业。原因很直接,他根本没法准确判断,这些答案到底是学生自己算出来的,还是用AI生成的。


ScreenShot_2026-11-21_162724_706.png

图源:豆包AI生成


如果这种调整成为行业常态,意味着本科数学教育的核心考核机制,已经受到了前所未有的冲击。


数学和文科类科目不同,数学作业的特性,让它成了AI作弊的重灾区。


一篇论文好歹能从行文风格、论证逻辑、篇章结构里,看出写作者的思考痕迹;但一道数学题的最终答案,往往是紧凑的符号表达,干巴巴的结果背后,几乎留不下任何推理过程的证据。


不管是代数题的解题步骤,还是微积分的推导过程,本质都是简洁的符号化内容。如果批改只看最终结果对不对,老师几乎没有办法分辨,这份作业是学生熬夜算出来的,还是AI一秒钟生成的。


这也是数学学科在AI冲击下,比其他科目更被动的原因。


现在的学生群体也出现了明显分化。 有个叫萨维克的大二学生,写作业从来不用AI。


高校若无法防范AI作弊将面临罚款 (2).png

图源:豆包AI生成


他想得很明白,现在靠AI糊弄作业,知识点没学扎实,等到线下闭卷考试的时候,知识漏洞全都会暴露出来。


他宁愿多花时间自己做题,把基础打牢。 但也有不少学生,直接把AI当成了作业代写工具,只要能按时交差、拿到分数就行。


长期下去,两种选择的差距会越来越大。认真自己做题的学生,基础能力会越练越扎实;靠AI混作业的学生,看似省了力气,实则什么都没学会,迟早会跟不上课程进度。


面对AI带来的冲击,加州理工并没有出台全校统一的AI禁令,而是把决策权下放到每一门具体的课程上。


学校教学与学习中心给出的指导意见,是让每位任课老师在课程大纲里明确AI使用规则,比如ChatGPT这类工具是完全允许、限制使用,还是使用前必须报备。


据报道,现在不少课程的大纲里,都已经加上了AI使用的相关说明。这其实也意味着,学校的态度已经从默认AI不能用,转向了在单门课程层面制定明确、公开的规则。


话说回来,问题的根源不是AI,而是沿用多年的考核方式,已经跟不上AI的发展速度了。


以前没有AI的时候,作业答案写对了,基本就能说明学生掌握了知识点。现在AI能轻轻松松给常规习题写出完整解答,再只看最终答案打分,就测不出学生的真实水平了。


ScreenShot_2026-11-21_163001_945.png

图源:豆包AI生成


加州理工自己的教学指引里也提到,生成式AI的内容可能存在错误、内容不完整,甚至是凭空编造的。


哪怕看起来推导过程很正确,也得真正懂数学的人去验证才行。简单说就是,以前没有AI时定下的考核制度,放到现在已经行不通了。


针对这个困境,学校也给出了一些可行的替代方案,思路就是,把评判重点从最终答案对不对,转移到学生的思考过程上。


比如让学生口头讲解解题思路、分阶段提交作业来展示推导过程、增加课堂小练习;又比如批改时不只看最终结果,也看错误尝试和错题分析。


但这些方法也有现实局限,它们会占用老师更多的时间精力,同时也会带来新的公平问题。比如不同学生能接触到的AI工具付费能力不一样,本身就存在差距。


往大了看,数学和AI本身是双向促进的关系,AI可以辅助解决复杂的数学问题,数学研究的进展也能反过来优化AI系统。


但如今摆在眼前的问题是,高校的课程设计与考核体系,能不能跟上AI工具的迭代速度。


教育的核心是确保学生最终展现出的成绩,能真实对应他们实际掌握的知识与能力。如果这层对应关系被AI打破,那作业、分数乃至学位的意义,都会大打折扣。


99de164cd5e1dbfa98ab2f25810f12f0.jpg


7533828e1cf0134a736d641f27627a87.jpg