布朗大学 AI 作弊事件暴露大学考试危机

布朗大学教授 Roberto Serrano 在一次居家期中考试后发现了一个惊人的矛盾：全班平均分达到 96%。而当学生在监考条件下参加考试时，平均分却大幅下滑，考试安全的地平线性质由此显现。他的案例表明，大学无法仅靠在原有评估体系上增加一种检测工具来维护学术标准。

Serrano 教授讲授的是福利经济学与社会选择理论，这是一门高阶数理经济学课程。2025 年 12 月布朗校园发生致命枪击事件后，学生表达了焦虑情绪，他因此允许居家考试。根据一则课堂案例报道，他后来发现，该课程中存在广泛未经授权使用 AI 的证据。

这场争议并不止于一门课程或一个聊天机器人。大学一方面承诺灵活学习，另一方面又要认证具名学生已经掌握既定技能。只要学习任务在不受控条件下完成，生成式 AI 就会让这两项承诺更难兼顾。

如今，布朗大学面临着全球高校共同面对的选择：将 AI 作弊主要视为个体违规，还是围绕可验证的学习成果重构评估。前一种路径保留熟悉的程序，后一种则承认这些熟悉的程序已无法提供足够证据。

96% 的期中考试成绩拉响警报

关键变化不在于学生能够使用 ChatGPT，而在于一种既有考试方式不再能为个人学习提供可信证据。

Serrano 已教授这门课近二十年，通常每班约有 30 名学生。2026 年春季，他推出居家考试后，选课人数增至 86 人。这一安排给予学生不限时作答的机会，也回应了学生重返教室的合理忧虑。

这次居家期中考试的平均分达到 96%。Serrano 表示，尽管新考试难度更高，过去期中考试的平均分通常在 65% 至 80% 之间。据报道，近半数学生获得满分。

高分本身并不能证明存在违规。一届特别优秀的学生、不限时作答、协作、更充分的准备，或不同考试之间的差异，都可能改变分数分布。这一限制很重要，因为指控可能影响学生的学业和声誉。

Serrano 在作答内容本身中发现了另一个信号。据报道，多份答案采用了间接反证法，而直接的数学证明本应更自然。当 Serrano 和助教将题目输入 ChatGPT 时，后者也给出了类似迂回复杂的解法。

这种相似性引发了怀疑，但仍无法确定哪位学生使用了哪种工具。语言模型可能针对同一提示生成不同答案。学生在使用共享笔记或共同讨论问题后，也可能趋向采用不寻常的方法。

Serrano 随后将期末考试改为在有人监考的教室内进行。他告诉学生，若期末成绩分布与期中大致相当，期中成绩将计入总评；否则，他会调整其权重。

选课人数和成绩的变化都十分显著。有关该事件的报道指出，27 名学生退课，其中包括 22 名期中考试获得满分的学生。59 名学生参加期末考试，19 人不及格，期末平均分降至约 49%。

据报道，只有两名学生的期末成绩与期中成绩相差不超过 10 个百分点。这一模式增强了 Serrano 的判断：居家考试成绩并未反映独立掌握程度。但它并不能证明每个个案都使用了 AI。

这一区别界定了制度层面的问题。大学需要有足够证据来维护学历资格的可信度，却不能把统计上的怀疑自动视为有罪。一套只为处理孤立抄袭案件而设计的流程，很难应对一次评估产生数十份可疑提交的情况。

据报道，布朗大学要求 Serrano 针对每名学生分别提交投诉，并提供每份考试卷供审查。一位大学发言人表示，无论指控涉及一名学生还是多名学生，处理流程都相同。Serrano 则认为，这种回应无法处理如此规模的违规行为。

校方的谨慎有其合理目的。学术处分需要告知、证据，以及让学生作出回应的机会。然而，当评估设计本身已令全班大多数学生的结果都充满不确定性时，逐案处理的程序便显得不足。

这正是这一事件的意义超出布朗大学的原因。正式认定违规之前，失败已经发生：大学已无法自信地说明其分数究竟衡量了什么。

AI 作弊的地平线性质改变了问题的分量

大学不仅是在监管被禁止的辅助行为，也是在捍卫学位是否仍能证明一个人的知识与判断能力。

这里，AI 作弊的地平线性质指的是一条不断移动的边界。模型推理能力每提升一步，软件便能更有说服力地完成更多无人监督任务。本学期被视为安全的评估，可能在下一门课开始前就变得脆弱。

生成式 AI 是一种能根据用户指令生成新文本、图像、代码或其他内容的软件。它不需要逐字复制来源。这使传统抄袭检测的作用下降，因为输出在措辞上可以是原创的，但作者并不是学生本人。

数理经济学曾被认为比普通论文写作更难受到影响。学生必须选择论证方式、构建证明，并连接形式化结果。Serrano 的叙述表明，当前工具可以生成看上去足以获得高分的答案，即使其中的推理并不自然。

压力首先落在教师身上。他们必须制定 AI 使用规则、设计作业、授课、审查可疑作业、记录案件，并为自己的决定辩护。许多教师几乎未接受过与这些职责相关的培训。

学生则面临另一种压力。不同课程、院系和教师的规则各不相同。在一门课中可用于头脑风暴的工具，在另一门课中可能构成违规。模糊的边界使诚实遵守规则变得更困难，也使执法更不一致。

管理者则承担制度性风险。雇主和专业机构默认成绩单反映了已被证明的能力。如果大学无法验证这种能力，人们对成绩和学历凭证的信心就会减弱。

澳大利亚高等教育监管机构将评估安全定义为强化任务、抵御作弊的措施。其评估安全指南将可信评估与公众对学历资格的信任联系起来。这一框架将问题从抓获违规者扩展到了更广的层面。

因此，大学需要两类评估。有些任务应帮助学生借助 AI 学习，另一些则必须验证学生能够独立完成什么。混淆这两种目的，结果要么是无限制外包，要么是一刀切地禁止。

学习任务可以允许学生进行实验、起草、获取反馈，或借助 AI 比较内容。验证任务则必须在与学习成果相匹配的条件下，确立作者身份和能力。一项作业很少能同样出色地服务于这两种目的。

例如，学生可以使用 AI 准备一份政策分析，随后口头答辩其假设、复现一项关键计算，并说明替代性证据为何会改变结论。这一序列同时检验 AI 素养和个人理解。

教师也需要获得支持，以应对增加的工作量。口头核验、分阶段作业和监考任务都会占用时间。大学不能宣布评估改革，却让每位教师独自承担全部运营成本。

布朗大学的案例让一名教授承受了压力，因为一个制度性的保障问题在一门课中浮现。大学必须扭转这种责任分配：课程项目应承担评估安全责任，教师则执行共同的设计方案。

检测无法独自支撑学术诚信体系

AI 检测工具无法解决这样一种冲突：它始于对作者身份的薄弱证据，终于高风险的纪律处分决定。

AI 检测工具会估计文本是否像机器生成的写作。它们无法观察学生是如何完成作品的。因此，其输出是一种推断，而非行为记录。

误报可能让诚实学生面对指控，漏报则可能放过复杂的滥用行为。编辑、翻译、提示词优化、人机混合起草，以及模型更新，都可能影响检测结果。

对于以第二语言写作的学生而言，这一问题尤为严重。程式化词汇或可预测的句式可能看起来像模型输出。若机构将检测分数视为证据，就可能把语言特征误判为违规行为。

英国高等教育质量保障署建议机构考虑检测的局限性，包括误报和规避问题。其评估工具包建议审查高风险任务、明确允许的 AI 使用方式，并在适当情况下要求透明披露。

Serrano 并未只依赖检测工具。他比较了历史成绩、选课人数变化、解题模式、模型生成的答案、退课情况以及有监考的期末考试。这些信号共同构成了有力论据，表明期中考试并非可靠的衡量方式。

但它们仍未解答关于个体的问题。期末考试可能更难；学生在监考条件下可能更焦虑；退课也改变了被比较的人群。近期一篇统计学批评文章认为，这些替代性解释限制了分数差异所能证明的内容。

这种批评并未恢复人们对期中考试的信心。它表明，大学必须区分两项决定：一项是评估是否仍然有效，另一项是特定学生是否实施了违规行为。

一所机构可以取消或降低受损评估的权重，而不自动判定每位学生有罪。随后，只有在证据达到既定标准时，才可对个人启动纪律处分。这样的做法同时维护学历诚信和正当程序。

大学还应保留学习过程中产生的证据。草稿历史、带注释的来源、计算过程、实验室记录、代码提交和简短反思，都能展现作品如何逐步形成。这些记录比孤立地审视最终文档更具信息价值。

过程证据必须保持适度。持续监控会带来隐私风险，也可能将教育变成职场监测。机构应只收集那些能支持既定学习成果和已公布评估规则的内容。

AI 使用披露提供了另一层保障。学生可以标明所用工具，说明其被允许的作用，保存相关提示词，并解释他们核实了哪些主张。披露无法阻止隐蔽滥用，但能让获授权的使用方式接受审计。

同样的原则也有助于学生建立个人知识库。来源笔记、修订记录和推理记录可以记录智识发展，而不会将学习简化为一个检测器分数。

清晰的政策必须与这些证据相配套。对于计分任务而言，“负责任地使用 AI”过于模糊。评估应说明 AI 是否可以用于产生想法、润色文字、生成代码、解决问题或提供引文。

规则还应解释学生必须提交什么。如果要求提交提示词，应说明需要哪些提示词以及以何种形式提交。如果可能进行口头核验，也应在学生开始作业前告知。

如此一来，重点就从猜测文本“看起来像不像 AI”，转向依据已知要求核查明确界定的行为。这为学术诚信提供了更公平的基础。

大学需要安全核验与 AI 赋能学习

可行的应对方案是双轨评估体系，而不是全面禁止，也不是无限制使用 AI。

第一轨应包括用于核验关键个人能力的安全评估。这可以包括监考考试、口头答辩、现场解题、实践演示或受控数字任务。形式应与所认证的技能相匹配。

第二轨应包括允许或要求使用 AI 的开放式评估。学生可以比较模型输出、识别错误、改进薄弱推理，并记录决策过程。这些任务将 AI 素养视为学习成果，而非隐蔽的捷径。

每个项目都必须决定每条轨道应包含多少证据。医学课程需要对临床判断进行安全演示。软件课程则可能允许 AI 编程辅助，同时要求学生现场解释、测试和修改生成的代码。

经济学提供了一个清晰的例子。学生可能在开放式作业中使用模型提出一项福利论证。随后的一项安全任务可以要求他们推导结果、识别隐含假设，并为相关政策影响进行辩护。

模型能力处于不断拓展的前沿，这意味着大学应定期审查这种平衡。静态政策会迅速过时，因为工具不断获得新的推理、编程、浏览和多媒体功能。

项目层面的审查比孤立的课程调整更重要。如果每位教师都独立应对，学生将面对一套令人困惑的拼凑式规则。一些课程会变得过度限制，另一些课程则会继续使用已无法验证学习成果的任务。

为澳大利亚监管机构制定的评估改革原则建议在整个项目层面设计评估。该原则还区分了促进学习的评估与保障学习成果的评估。

这一区别应指导资源配置决策。大学需要足够的监督能力来核验高价值成果，也需要学习设计师协助教师构建既能使用 AI、又不牺牲课程目标的开放式任务。

安全评估并不意味着重建所有前数字时代的考试。传统限时测试可能奖励记忆能力，却忽视研究、协作或专业判断。目标是经过核验的胜任能力，而不是怀旧。

口头评估也有局限。它可能让焦虑的学生处于不利地位，引发无障碍方面的担忧，并耗费大量教职员工时间。大学应在能够提供有意义证据的场景下，采用简短且结构化的口头核验。

随机核验可以减轻工作量。教师可以挑选有限数量的已提交主张，要求学生解释，或要求学生复现一个关键步骤。学生会知道，自己作品的任何部分都必须经得起辩护。

评估档案袋提供了另一种选择。档案袋汇集一段时间内收集的多项证据。这样一来，一次可疑提交的影响会更小，而成长模式和独立表现也更容易被观察到。

大学应优先关注高风险的关键课程和毕业年级作品。这些评估承载着最大的学位信誉风险。一次性重建每一个低价值测验会浪费有限的教职员工时间。

政策还需要与违规程度相称的后果。故意将被禁止的考试外包出去属于严重违规。在规则令人困惑的情况下首次出现披露错误，则应得到不同的处理。一种处罚不可能适用于所有形式的 AI 使用。

据报道，Brown 的委员会建议明确预期，同时避免过度聚焦惩罚。这一立场与更强的评估安全性并不矛盾。预防、核验、教育和纪律处分承担着不同功能。

安全体系能在惩罚成为必要之前减少违规机会。它会告诉学生必须提供哪些证据，以及为什么独立能力依然重要。由于规则与评估条件相一致，执法也会更具可信度。

大学应让学生参与重新设计。学生知道哪些政策彼此冲突、课程已将哪些工具常态化，以及工作量压力如何影响行为。他们的参与能够发现漏洞并提高遵从度。

教师发展同样重要。UNESCO 的教育指南敦促机构评估 AI 在教学和伦理方面的适用性。这需要接受有关评估设计、隐私、模型局限性和公平获取方面的培训。

公平不应事后才被考虑。如果要求使用 AI，每位学生都需要获得适当工具。如果 AI 使用是可选的，学生也需要一条不会造成学业劣势的、可行的非 AI 路径。

无障碍需求同样必须塑造安全评估。监考、手写、口头提问和锁定软件都可能形成障碍。大学应在维持等效核验标准的同时保留合理便利措施。

目标不是消除所有违规行为。没有任何评估体系曾做到这一点。目标是让作弊更困难，让诚实参与更清晰，并让资历经得起检验。

三个信号将表明大学是否认真对待此事

接下来的考验在于机构是否改变评估运作方式，而不是是否再发布一份关于负责任使用 AI 的笼统声明。

第一个信号是项目层面的评估映射。大学应识别哪些学习成果需要独立核验，并展示这些核验发生在何处。没有这张映射图的政策，无法回答有关学位资格的核心问题。

映射将强化结构性改革的论点，因为它能将普遍担忧转化为可问责的设计。如果大学继续将问题下放给个别教师，Brown 的经历将会在其他课程中重演。

第二个信号是对核验能力的投入。应关注监考测试空间、受训的口头评估者、学习设计师、无障碍评估系统以及工作量调整。没有人员配套的改革将始终不均衡且脆弱。

这项投入不需要让每项任务都处于受控状态。它应聚焦于项目认证关键能力的高风险节点。机构应公布足够信息，让学生和雇主理解这种保障。

第三个信号是针对 AI 违规行为的公平证据标准。大学需要书面规则，说明将如何评估检测器输出、文档历史、口头核验、相似错误和表现异常。它们还应界定申诉程序。

即便案件最终未作出处罚，明确标准也会增强信心。它将表明机构能够区分一项受损的评估与一项已被证实的个人违规。继续将检测器分数视为决定性证据，将削弱这种信心。

Brown 的案例仍是有关大范围未经授权协助的指控，而非针对每位学生完成的裁决。相关证据令这场居家期中考试的可信度受到严重质疑，而个体责任仍存在不确定性。

这种不确定性并不是保留脆弱考试的理由。恰恰相反，它正是重新设计考试的理由。更好的评估能够在管理人员不得不在提交后重建作者归属之前，直接产生学习证据。

AI 作弊处于不断演变的技术前沿，这保证了技术检测将持续追逐移动目标。大学掌握着一个更持久的杠杆：要求学生展示什么、在何种条件下展示，以及提供哪些支持性证据。

学生应询问，他们的项目是否明确区分了 AI 赋能学习与独立核验。教师应询问，机构程序能否处理全班范围的评估失效。雇主应询问，大学如何保障学位背后的能力。

Brown 事件发出了警告，但也提供了务实方向。大学应保障关键评估的安全性，教授透明的 AI 使用方式，保留适度的过程证据，并对个人指控适用正当程序。

最重要的问题不再是学生能否使用 AI 完成传统作业。他们可以。问题在于，大学是否会在公众对其资历的信心像 Serrano 的考试分数一样急剧下滑之前，重新设计评估。