随着 AI 模糊学习证据，Richard Borcherds 调整作业评分方式

据报道，Richard Borcherds 已不再根据作业答案是否正确评分，因为 AI 使识别学生独立完成的作品变得困难。Richard Borcherds 的作业评分调整保留了练习作业，但将理解程度的证据转向有监考的考试。这一区别很重要：据称被放弃的是作业分数所能证明的内容，而不是学生是否应当练习数学。

根据 Tom’s Hardware 10 月 27 日的报道，这位 UC Berkeley 教授如今主要通过不允许使用电子设备的现场考试评估学生。其他报道则称，作业学分以完成情况为依据。综合来看，这些报道描述了练习某项技能与证明学生本人掌握该技能之间的分离。

相互竞争的做法在 Berkeley 内部已经存在。该校 2026 年秋季统计计算课程大纲允许使用 AI 辅助，同时将作业与现场理解度检查结合起来。因此，Borcherds 据称作出的决定向教育工作者和 AI 用户提出了一个具体问题：当软件可以生成答案时，什么才应被视为一个人理解了它的证据？

Richard Borcherds 的作业评分调整究竟意味着什么

据称的变化取消了以正确性作为作业学分依据；这并不表明 Borcherds 已取消作业。

Tom’s Hardware 将这一决定归因于 Borcherds 的担忧：经过润色的提交内容已无法可靠地区分独立完成的作业与 AI 辅助。其关于他的作业评估调整的报道，也描述了他对监考考试的偏好。据报道，他观察到线上分数提高，却无法识别哪些学生使用了 AI。

以完成情况计分的细节出现在其他报道中，包括一篇链接至 New York Post 的摘要。该报道描述了基于完成情况的作业学分，这缩小了读者应从“取消评分作业”类标题中得出的结论范围。即使正确答案不再获得差异化分数，提交作业本身仍可能具有意义。

Borcherds 的学术地位有助于解释此事为何受到关注。Berkeley 的档案记录了他的1998 年菲尔兹奖，该奖项表彰了他的数学工作，包括对怪兽月光猜想的证明。这一荣誉确立了他的研究资历，但并不能独立验证其评估政策，也无法衡量其课堂中的作弊情况。

仍有若干边界需要重视。本文审阅的报道并未表明全校范围内取消了评分作业，也没有提供经核实的实施日期、完整评分公式，或其学生群体中经测量的作弊率。

因此，眼前的发展是：一名教师据称针对一个他表示已无法通过检查答案来解决的问题作出的回应。若将这一回应视为 Berkeley 全校政策，便是夸大证据；若将其视为每一份出色提交都涉及作弊的证明，则更是夸大其词。

这一区别也改变了政策讨论。取消练习作业会剥夺学习机会。取消基于正确性的学分，则改变了与这一机会相联系的激励，同时仍需回答学生如何获得有用反馈的问题。

从学生的角度看，两者差异很明显。在按正确性评分的体系下，一个未解出的题目会威胁作业分数。在按完成情况计分的体系下，同一个未解出的题目可以暴露出考试前需要解决的问题——前提是课程仍提供充分反馈。

这是潜在益处，而非 Borcherds 课堂已经证实的结果。学生或许会较少承受提交自己无法解释的完美答案的压力；但如果完成即可满足要求，他们也可能减少练习投入。

因此，Richard Borcherds 作业评分事件的核心，是一个会带来相互竞争后果的评估问题。一门课程可以让外包作业变得不那么有吸引力，同时也削弱认真完成作业所获得的即时回报。这种平衡是否改善学习，需要公告本身之外的证据。

正确答案正失去作为证据的价值

一份正确的提交只能说明提交的作品本身，却越来越难以证明学生的独立能力。

作业可能承担多种职能：让学生练习、帮助教师识别困惑、设定截止日期，以及为课程成绩提供证据。这些目的相互交叠，但并不总是需要同一种评估方法。

AI 让这种分离更难被忽视。学生可能拥有正确的解答，却未必选择了其方法、理解了其假设，或意识到它可能在哪些地方失效。仅凭最终答案无法消除这些差异。

这并不意味着所有形式的辅助都会破坏学习。一个提示可以帮助人重新投入有效工作，一段解释可以揭示误解，一份完成的解答也可能取代作业原本旨在培养的推理过程。

从完成后的提交内容来看，这些路径可能十分相似。这给必须根据在其观察之外完成的工作授予个人学分的教师带来压力，也让遵守限制的学生承受压力，因为他们会认为其他人通过违规辅助获得了学分。

Borcherds 据称采取的回应直接针对了这种激励。如果正确性带来的作业分数更少，那么从软件获得完美答案对该项分数就不那么有用。然而，完成学分仍会奖励提交内容，因此这种激励并未完全消失。

更深层的变化关乎练习与认证之间的关系。练习可以包括求助、失败尝试、讨论和修改。认证则需要一个可辩护的依据，以说明个人在特定条件下能够做到什么。

一个假设的数学作业可以说明这种差异。学生提交了一份有效证明，却无法解释其核心假设为何必要。该证明依然有效，但这份提交对证明学生理解其逻辑而言证据很弱。

改变该假设的考官可以提出另一个问题：学生能否识别什么会失效？这种交流比再次检查原始文档更直接地检验理解，也需要时间和恰当的问题设计。

同样的区别也适用于大学之外。一段生成的程序可能成功运行，但其使用者无法诊断故障；一份精致的分析可能听起来很有说服力，但作者无法为其建议背后的证据辩护。

这些是实际影响，而非关于 Borcherds 学生的研究发现。它们解释了知识工作者为何应关注这场评估争议。生产速度的提升，使得决定哪些人类判断仍需验证变得更加重要。

对教育工作者而言，困难的选择在于每项作业应当证明什么。如果其主要目的是练习，辅助或许符合学习目标；如果它用于认证独立能力，获得辅助的可能性就会改变最终分数的含义。

因此，这一问题超出了提交后查处违规的范围。即便无人违反规则，评估也可能变得不再那么具有信息价值，尤其是在规则允许大量辅助的情况下。明确许可并不会自动使分数成为衡量个人理解的有效指标。

监考考试恢复观察，但也有局限

监考考试强化了谁完成工作这一证据，但也缩小了学生展示技能的条件范围。

不使用电子设备的现场考试解决了一项具体的不确定性。教师可以观察学生在无法使用考试规则所排除工具的情况下尝试解决问题。这使得确定作品归属比无监考提交更容易。

但它并不会自动证明一门课程所重视的一切。限时考试衡量的是学生在特定约束下的表现。延伸研究、修改、协作以及有效使用参考资料，可能需要不同的机会。

研究为无监考评估的担忧提供了有用的历史参照。University of Reading 在 2024 年 6 月公布的一项实验，将 AI 生成的答案插入本科心理学评估中。其盲评测试发现，94% 的答案未被识别出来，且 AI 提交的作品平均获得更高分数。

这一结果支持一个有限的结论：在既有评估体系中，经验丰富的评分者可能难以识别生成内容。它并未衡量 Berkeley 的作弊情况，也未确立针对数学学科的检测率，更不能证明监考考试能带来更好的学习效果。

这一界限之所以重要，是因为检测与教育是不同的结果。一种评估或许能让未经授权的辅助难以实施，却不一定为学生提供有效准备；另一种评估或许支持学习，却产生无法自信地认证独立表现的分数。

Borcherds 据称的偏好比学习问题更直接地解决了观察问题。它改变了教师收集证据的地点。学生是否会成为更优秀的数学家，取决于该评估之前和之后发生的事情。

定期引入有监考的检查，与将大部分学分集中在期末考试之间也存在差异。前者能在学生仍有时间应对时暴露困惑；后者则可能只有在后果重大时，才让误解显现。

两种安排都不会自动由“现场考试”这一说法得出。读者需要了解实际评估日程、权重、反馈流程和便利安排，才能评价课程设计。相关报道并未提供 Borcherds 课程的所有这些细节。

有监考的测试也可能问错问题。如果它奖励对熟悉步骤的记忆，或许只能证明无辅助回忆能力，而不能检验学生是否理解该步骤何时适用。现场参与强化的是归属认定，而非保证问题具有意义。

因此，更有信息价值的对比是可观察的理解与未经验证的产出。纸笔考试是形成这种观察的一种方式。口头解释、有监考的调试练习，或后续问题，也可以追求相似目标。

这些替代方案也带来自身负担，包括一致性和人员配置。它们同样表明，宣称监考考试是唯一解决方案，超出了现有证据所能支持的范围。可辩护的说法更为有限：受控评估直接应对外部辅助带来的不确定性。

对于 Richard Borcherds 的作业评分争议而言，这是一项影响重大的区分。报道中的政策是对不可靠证据的一种回应。它应被视为一项有代价的评估选择，而非对所有学科教学方式的普遍裁决。

AI 检测带来了另一个判断难题

检测软件无法消除对公平程序的需求；这一程序必须区分怀疑与证据。

AI 检测器试图判断一段文本是否由软件生成或获得软件协助。误报是指它错误地将人类作品标记出来。漏报则是指生成的作品未被标记便通过了检测。

这两类错误在教育中都很重要。未能发现未经授权的协助可能损害评估公平性。错误指控学生则可能破坏信任，并让遵守规则的人承担后果。

Berkeley 已发布的 AI 检测指南 表示，经过试点并考量外部研究后，学校决定不采用 Turnitin 的 AI 写作检测器。该指南还讨论了多语种写作者，以及人类写作与 AI 协助相结合的作品所涉及的分类问题。

这一机构立场为寻找其他评估方法提供了背景。它并不证明每一种检测器都会失败，而是表明 Berkeley 已发现足够多的担忧，因此不在全校范围内采用这一特定检测功能。

识别协助与认定违规之间的区别，又增加了一层复杂性。一门课程可能允许语法修正，却禁止由 AI 生成推理过程。仅凭分类分数，并不能证明学生是否越过了该课程特定的界限。

分数也未必能解释学生的完成过程。围绕答案进行交流可能暴露困惑，但困惑本身并不能证明作弊。学生可能会忘记、感到焦虑，或误解自己独立完成的作品。

这些限制使得最有力的回应应当是程序性的。教师需要清晰的预期，以及一套可辩护的方式来评估疑虑。否则，对作品作者身份的不确定，可能演变为对指控是否合理的不确定。

据报道，Richard Borcherds 对作业评分的调整通过降低对存在争议的作品本身的依赖，避免了部分冲突。教师不再试图确定课后作业答案的来源，而是在受控条件下收集独立证据。

这种做法具有明显吸引力。它可以降低在每一份可疑作业中证明违规行为的重要性。但它也留下一个未解决的问题：那些不再获得基于正确性评分的作业，学生如何得到详细反馈？

取消分数不等于取消反馈，但反馈依然需要投入精力。学生需要知道证明是否不完整、某项假设是否缺乏支持，或者某种方法是否仅适用于更狭窄的条件。

未评分的解答参考可以有所帮助，但比较答案需要足够的理解，才能辨识有意义的差异。一名学习困难的学生可能注意到自己的答案不同，却不明白原因。这正是教学支持仍然重要的地方。

因此，对完成度评分的质疑值得重视。这项政策可以让评估更诚实地反映其所掌握的信息，却可能让学生较少获得关于自身误解的指导。它的价值部分取决于课程如何填补这一缺口。

目前没有公开的结果证据证明 Borcherds 的做法能够改善学习、减少违规，或公平分配负担。这些仍有待评估。他所表达的担忧可以解释这一决定，但并不能确定其效果。

Berkeley 已提供一种对比鲜明的方法

允许在练习中使用 AI 与受监督的检查可以并存，为不受限制的课后作业评分和全面禁止之间提供另一种选择。

一个具体的对比出现在 Berkeley 由 Chris Paciorek 授课的 2026 年秋季 Statistics 243 课程大纲中。其统计计算评估允许使用 AI 协助，同时通过线下测验检查学生对习题集的理解。

公开的评分结构将 20% 分配给习题集完成情况，35% 分配给相关测验，35% 分配给小型考试，10% 分配给课堂参与。课程大纲还说明了口头重考程序，并要求学生对通过 AI 协助获得的想法进行署名说明。

这一例子并不能证明其结果更优。但它展示了一种现有课程设计：将获得支持的准备工作与个人独立展示分开。由于它来自同一所大学，而非抽象提案，因此这一对比尤其有价值。

该政策也改变了“允许”的含义。允许在练习时使用工具，并不承诺其输出能满足之后的评估要求。学生仍需具备足够的理解，才能解释并运用自己提交的内容。

这比“允许 AI”与“禁止 AI”的二分法更精确。是否允许取决于活动类型。学生可以在解决问题时使用协助，随后在下一次检查中不借助该协助来展示理解。

对于计算课程，这一安排具有实际理由。一个程序可能产生预期结果，却包含其使用者无法解释的选择。后续提问可以检验学生是否理解代码与其行为之间的关系。

这是对该评估结构的示例性应用，而不是课程中已经报道的事件。其重要性在于作业与验证之间的联系。之后的评估要检验的是：在使用协助之后，学习是否仍然存在。

这一对比也揭示了将所有 AI 使用视为同一种行为的弱点。请求语法提示不同于索要完整解答。两者都涉及软件协助，但可能让学生承担非常不同的责任，并形成截然不同的理解。

对 AI 产品开发者而言，这带来一个设计问题。优先提供完整答案的工具，或许能支持即时完成任务。但教育场景也需要让学习者继续对推理、核查和解释负责的方法。

因此，关于学习收益的主张需要生成输出质量之外的证据。一份令人信服的答案展示的是系统表现，并不能证明用户能够复现推理、将其迁移到其他情境，或识别一个合理的错误。

学生在整理学习资料时也面临类似区分。一套可检索的正确答案集合可以节省查找时间，却不会检验理解程度。有关个人知识管理的资源关注组织方式，但仅靠检索无法证明掌握程度。

无论采用哪种评估模型，关键问题都是接受协助之后会发生什么。学生能否为结果辩护、将其调整到变化后的问题中，并识别其局限？Borcherds 据报道采用的方法与统计学课程大纲，都将注意力引向这一问题。

它们的并存也限制了人们对 Berkeley 作出笼统结论。学校内部有不同的课程设计，以回应不同的教学需求。这个故事涉及的是一名教师在这些差异中的决定，而不是学校对 AI 的单一制度性答案。

评分调整后值得关注的事项

接下来有价值的证据，关乎评估规则、学生理解和教学支持，而不是新一轮毫无瑕疵的 AI 答案。

未来数月中的第一个信号，是是否会有更多教师公布类似的评分调整。具有参考价值的文件将明确作业能获得什么、如何检查理解，以及哪些协助使用方式仍被允许。

如果更多课程明确将完成度学分与受监督的展示分开，那么更广泛评估转变的论点将更有力。如果这些政策仍然孤立，或转向其他做法，那么关于作业评分普遍退场的说法就会减弱。

措辞与公告本身同样重要。“作业不评分”可能指选做练习、必须提交的作业，或提供反馈但不计入总评成绩的作业。这些安排会产生不同激励，不应混为一谈。

更有力的后续报道还应明确时间点。10 月的报道告诉读者这一决定何时成为新闻，但未必说明各课堂实践究竟何时改变。缺少这一区分时，较早的调整可能看上去像是对近期模型发布的即时回应。

第二个信号，是关于学生独立展示理解的证据。相关比较应考察学生在清楚描述的条件下能够解释或解决什么问题。仅凭较高的课后作业分数，无法解决促使该政策出台的担忧。

如果学生在练习期间使用 AI 的同时，仍能保持或提高受监督条件下的表现，那么将协助与认证分开的理由会更强。如果表现下降，教育者则需要考察学生是否失去了练习、有用反馈，或两者兼有。

这些发现仍需谨慎解读。不同的问题、学生群体、教学方式和评估条件都会影响成绩。作业与考试表现之间的差距是调查的理由，而不是衡量作弊行为的独立指标。

第三个信号，是正确性评分改变后教学支持会如何变化。应考察课程保留了哪些反馈、学生有哪些机会解决错误，以及受监督评估是否易于参与。

如果学生获得有用的解释，并有多次机会展示进步，那么完成度学分作为更广泛设计的一部分就更可信。如果评分消失，而困惑无人回应，质疑的理由就会更强。

这些信号对考虑类似调整的雇主和职业培训机构同样重要。候选人完成的练习与他们对练习的解释，回答的是相关但不同的问题。验证方式应匹配组织实际需要评估的能力。

Richard Borcherds 的作业评分故事，归根结底关乎成绩所依托的证据。据报道，他不再相信无人监督作业中的正确性具有同样的意义。这一判断值得审视，但不应因此假定作业已经失去价值，或考试能够解决所有困难。

对于关注此事的学生和教育者，应从实际的课程规则及其意图产生的证据入手。询问练习是否仍有价值、反馈是否能触达学习困难者，以及评估是否衡量课程承诺培养的技能。对于教育以外的 AI 使用者，也应将同样的审视用于自己的工作：一份完成的答案可能掩盖尚未解决的理解缺口。保留支持你决策的来源与解释，再检验当提示发生变化时，你是否能为这些决策辩护。随着关于 Borcherds 做法的更多细节出现，应依据学生能够独立解释和应用什么来评判它。什么样的证据会让你相信，评分改变后学习效果得到了改善？