2026 年 10 月，加州大学伯克利分校的讲堂里出现反常一幕。只要学生按时交上课后作业，无论答题对错，一律直接记满分。公布这项决定的学者，是 1998 年菲尔兹奖得主理查德·博切尔兹（Richard Borcherds）。他在纯数学界享有极高声誉。
博切尔兹在访谈中公开承认，按提交给分并不是好系统。然而学生借助 AI 稳定刷出全对答案，系里花钱雇助教逐行挑刺已无实际价值。当课后习题无法测出真实理解水平，传统作业的测量功能便宣告归零。
交卷直接给满分，顶尖数学教授放弃逐题批改
这套规矩的执行方式直接而无奈。博切尔兹取消了作业的准确率考核。学生只要在截止时间前上传文档，就能拿到全额平时分。在大学教学体系里，课后作业通常占两到三成成绩权重，长期承担着学习检验职能。
促使这位学者放弃防守的原因非常纯粹。最近几个学期，学生提交的解答步骤工整，得分几乎全员拉满。博切尔兹意识到，AI 在数学推导上的能力已越过及格线。继续把有限的教学预算耗费在批改机器答卷上，成了空耗资金的形式主义。
图：1998年菲尔兹奖得主理查德·博切尔兹（Richard Borcherds）。来源：Wikimedia Commons（George Bergman 摄，CC BY-SA 4.0）。
博切尔兹在 1998 年获得数学界最高荣誉菲尔兹奖。作为长期深耕李代数与弦理论几何的学者，他对严格证明有着极高审美标准。打破规矩的人，正是站在理论数学金字塔尖的同行裁判。他坦言自己眼下找不到更好的解法，现有评价体系已经被撕开了缺口。
AI解题次次拿最高分，课后作业失去测量能力
课后作业在现代大学里承担着核心测量职能。它本该是一把高灵敏度探针，逼迫学生在课后暴露理解死角。教师依靠批改发现认知断点，学生依靠纠错强化直觉。这套维系百年的正向反馈循环，如今被大语言模型直接切断。
自动化程序几秒内即可输出多步代数推导，并排版为规范的 LaTeX 格式。作业原本用来检验学生大脑里的知识存量，如今却变成了测量提示词熟练度。当人人都能从算法接口取得标准答案，平时分就丧失了区分度。
更让学界警惕的是技术推进的时间节点。博切尔兹谈及这项决定时，恰逢 OpenAI 宣布旗下智能体尝试攻克纳维-斯托克斯存在性与光滑性猜想。这道千禧年大奖难题悬赏 100 万美元，困扰了理论物理与数学界上百年。算法向人类顶级难题发起冲击，本科生级别的课后习题更难筑起防线。
博切尔兹回顾技术史时指出，机械织布取代了手工纺织，汽车替代了马车。过往的技术浪潮中，抽象符号推演被视为人类心智专属的领地。但在数学领域，此类自动化替代还是历史上的第一次。若是 AI 按照现有速率继续迭代，不出几年，人类数学家能在计算与证明上保持的相对优势将急剧缩水。
误判率居高不下，伯克利直接否决两款检测软件
面对普遍的自动化解题，高校难道不能加装防护网吗？加州大学伯克利分校并非没有尝试过技术封堵。校方此前对两款主流学术反作弊工具 Turnitin 与 Rumi 展开专项评估，测试将其部署于全校的可行性。最终测试表明，两款商业软件均达不到全校统一使用的技术底线。
文本检测器能测算社科词汇困惑度，但在数学领域频频失灵。严谨的数学推导必须依循固定公理与定义。合规证明本身就具备极低困惑度，语篇高度规范。检测工具因此陷入两难：程序把学生认真的推导误标为代写，却放过了经过简单改写的机器答案。
图：加州大学伯克利分校校园。来源：The Daily Californian（Isaac Kim 摄）。
误判在大学教学中属于不可承受的代价。一旦算法给诚实答题的学生扣上学术作弊标签，师生间的信任契约就会崩解。为了避免冤枉学生而调低敏感度，软件又会沦为摆设。伯克利评估团队权衡利弊后，直接否决了将其作为全校防线的方案。
防线退守线下闭卷考，高校难承受一对一答辩成本
面对技术冲击，伯克利学术评议会采取分权治理，把边界下放给任课教师。校方建立起名为 AI Hub 的范例库，提供多样化声明供教工取用。本科生教育助理副教务长安妮·玛丽·理查德（Anne Marie Richard）解释了考量。她指出课程层级与学科方向差异极大，统一规定无法落地。
自主权下放，实则把重构标准的压力转嫁给了任课教师。部分教师退守传统考场，把平时分权重清零，考核全部压在线下闭卷考上。另一些学者主张推行口试，要求学生当场推演定理以检验真实水平。
然而个性化答辩背后是难以承受的运营成本。一门容纳 300 名本科生的高等微积分课程，如果每周进行 15 分钟逐人口试，单周就需要消耗 75 个小时的教学工时。院系经费与排课日程根本无法支撑这种消耗。公立大学的资源结构，决定了普通高校无法将小班精英导师制推广至日常教学。
更棘手的隐患在于学习动力的滑坡。若是平时作业变成交了就给分的过场，缺乏自律的学生就会放弃课后训练。把全部考核压力推迟到期末，不仅无法促成深层理解，还会导致大面积学业溃败。评价机制失效带来的冲击，远比表面上的分数膨胀更为严峻。
纸质期刊印了20年无用功，学术惯性拖慢评估重构
除了教学维度的困境，博切尔兹还在访谈中点出了深层的机构惯性。许多人预期学术界会迅速转向。但博切尔兹直言，数学系在两三年内保持原样也毫不奇怪。体制对既有流程有巨大路径依赖，这种滞后在出版界早已展露无遗。
博切尔兹以纸质期刊为例，网络预印本平台在 20 年前就已经普及。然而 20 年过去，大量昂贵且无人翻阅的纸质期刊依然按部就班地印刷发行。制度运转并不单纯取决于实用价值。只要晋升评审与经费挂钩的旧机制未被拆除，名存实亡的陈旧流程就会在惯性中长久维系。
这种制度迟钝正在给年轻学子带来真实的迷茫。5 年前数学还被看作避风港，学界坚信严密逻辑难以被算法吞食。短短 5 年过去，博切尔兹坦言自己已不敢轻易建议学生报考数学系。他甚至把这个问题输入给 ChatGPT，结果连程序本身也回答说无法预测未来的走向。
向作业直接给满分妥协，撕开了传统教育的遮蔽。机器几秒内就能完成严密推演，沿用百年的习题册已失去测量心智的能力。纸质期刊能靠惯性空转 20 年。大学讲堂若无法重构评价体系，就难以继续把关知识。
参考链接：
- The Daily Californian 报道
- Hacker News 讨论
