屏幕上是一幅完成的几何图,旁边的纸上只有铅笔刚刚画出的第一笔

大模型研究争议:AI 走进日常之后

想象一道很普通的题:骑车去图书馆,去程慢、回程快,往返走的是同一条路。能把两个速度加起来除以二吗?你把题发给 AI。它讲得很清楚,你跟着点头,把答案写进本子。第二天,老师只改了几个字:这回不是去和回的路程相同,而是按两种速度骑的时间相同。昨天抄下的那个解法,还该照用吗?

这不是给学生设套。它让人看见作业本上通常看不出的区别:顺着别人的解答能读懂,和没有解答时知道第一步该做什么,是两种本事。 AI 可以帮到其中一种,也可能让你恰好跳过原本打算练的那一种。判断它有没有帮你学会,值得看的是下一张白纸,而不只是眼前这张写满的纸。

同一间数学教室,写完练习和参加考试是两回事

在土耳其一所高中,研究者把近千名学生所在的班级分到三种条件。老师先复习大家学过的数学内容。接下来的练习,有的班用课本和笔记,有的可用一个能像普通聊天助手那样答题的 GPT-4,还有的使用同一模型做的辅导版。练完后大家都合上资料和电脑,独立在纸上做题。考试考的是刚练过的概念,题目相近,但不是抄回原答案就能交卷。Bastani 等,PNAS,实验设计与表 1

把练习册收上来,两个 AI 组的成绩都更好。故事如果到这里就结束,普通聊天助手已经像一个成功的家教。可看下一份卷子,使用通用聊天版的班级,比未用 AI 的对照组低了约 5.4 个百分点。你可能见过这项研究被概括为“考试成绩下降 17%”。两个数并不冲突:对照组这份考试的平均得分率是 32.1%,论文里的 17% 是相对此基线的差距,不是满分一百的卷子少拿十七分,更不是每名学生都比自己上次退步。

辅导版的结果又不一样。它被要求尽量给提示而非直接交答案,老师还为具体练习提供了正确解法、常见错法和相应反馈。学生在练习时得到帮助,随后独立考试和对照组的差异没有达到统计显著。准确的读法是:通用版出现的那种损失,在辅导版上没有清楚出现;它并没有在这场考试里被证明优于课本和笔记。因为提醒方式和教师材料是一起变的,也不能把差别都归功于一句“请别直接告诉我答案”。

假如你是家长,看到的通常只有作业这一端。孩子今天主动问了五个问题,也许是在比较解法,也许只是把五道题各贴了一遍。聊天次数一样,本子也都写满。与其根据这两件事表扬或指责,不如请孩子从中挑一道,把题里的一个条件换掉,说说昨天的理由还能不能用。这才问到了练习的目的。

反过来,也别看到卷面分低就以为学生把原先掌握的知识全忘了。这项比较问的是:用两种不同方式花掉同一段练习时间,之后哪一组做得更好?它没有给每个人分别过一遍“有助手的人生”和“没助手的人生”。一种可能是,助手没带走任何原有知识,只是占用了本来可以用来练会那一步的时间。这和“工具让人的智力变差”是两件不同的事。

那些没答对的题,有多少其实是没再试?

一份白卷可以有两种来历:想了很久还不会,或者看到难题就点了跳过。两者对下一次教学的意义不同。前者可能需要有人解释一个概念,后者可能连展示已经会什么的机会都没有。网上一组关于分数计算和阅读理解的实验,专门给参与者留了“跳过”这个按钮。Liu 等,COLM 2026,实验一至三

其中第二次分数实验做了一项细致的修正:先让所有人不靠助手做简单题,再按同样的前测规则筛选。这样,一个本来不会算的人,不容易仅仅因为助手在练习阶段给出了答案就被留在 AI 组里。对照组也有一个侧栏,只展示先前见过的解法;两组到了测试阶段都收起侧栏。这样一来,“有一组突然少了半个界面”就不再是两组表现不同的一个明显理由。

结果也比“用了 AI 就不愿思考”有意思。在纳入分析的 585 人里,看最后三道无辅助题,先前有 AI 的一组平均答对率是 71%,对照组是 77%。但说到跳过,两组分别约为 10% 和 7%,这次差异没有达到通常的显著标准。阅读实验的跳过差异更清楚,但它把不到五秒就交答案也记作跳过。这是在测眼前这道题上有没有投入尝试,不是在给一个人的毅力打终身分。实验二图 2、实验三的方法与图 4

还有个容易吸引人的细节:练习时自称主要向 AI 要答案的人,在随后的测试中表现较弱。但研究者随机安排的是有没有助手,不是让谁必须索要答案、谁必须追问原理。一个本就着急结束任务的人,可能既爱问答案,也更容易跳题。这个结果值得拿来设计下一项研究,却不适合用来判断某个孩子的学习态度。实验在撤掉助手后很快就测了,并不知道这些参与者过几天会怎样。

也有相反的结果:学习新知识,不总像刷数学题

如果 AI 只是拿走了练习机会,允许使用它的人在独立测验里就不该占优势。可有些任务还有另一面:读一段陌生材料,可能卡在一个词上;一句说得通的解释,能让你回到原文,继续读下去。少花时间猜术语和少花时间想解题方法,都叫“省时间”,省掉的却不是同一种活动。

Contractor 和 Reyes 让本科生在限定时间内学习不熟悉的主题,例如碳捕集,再写一篇分析短文。练习阶段,一组可以像平常那样用 AI,另一组不能;之后的知识测验按规定两组都不能查资料。约一周后,学生再回来,在没有工具的条件下答题。这里不是复习老师刚在黑板上示范过的解法,而是要在陌生材料中找出值得理解的关系。作者预印本,2026 年 10 月修订版,实验设计

这次,获准用 AI 的一组在即时知识测验中,估计的平均正确率反而高出 7.2 个百分点。一周后差距估计仍为正,约 3.9 个百分点,但后者没有达到常用的 5% 显著标准。还有一个影响解读的细节:第一次测验虽禁止查资料,研究者记录到有违规,不能把即时优势一概说成已经内化的知识。与其摘一句“效果保持了一周”,不如保留这个更有用的判断:有条件下帮助确实可能到达独立测验,能持续多久、幅度多大,还不够确定。修订版表 4、第 4.2 节与注 19

两篇课堂研究并没有在回答完全相同的问题。数学课里,写出运算过程往往就是练习本身;陌生主题写作里,一段术语解释也许让你读懂原先读不进去的材料。学生年龄、学习任务、对照条件和测试时间也不同。没有把这些条件拉齐,不能断言“文科用 AI 就好,数学用就坏”。有用的追问是:它替我做的那一步,今天到底是需要清除的障碍,还是我来这里要练的本领?

用毕业答辩作个类比。一个学生让助手解释论文里的生词,再回原文挑出最关键的比较;另一个让助手挑出“最关键的比较”,自己只负责改句子。两个人都可能在规定时间交出一页像样的讲稿。现在请评委不看讲稿,只问:“删掉这个对照组,你的结论还能成立吗?”第一个人练过这样的判断,第二个人未必练过。这个设想不预言谁一定答得好,它只是把原先藏在漂亮讲稿里的能力单独拿出来看。

从有助手的练习,到即时独立测验,再到隔一段时间的无辅助复测

读图:从左到右是可以分别观察的三个时点,不是三篇论文共同采用的流程。小纸张代表不同题目,箭头只表示时间,不代表成绩上升。

今晚可以怎么试:保留一题,不让 AI 看见

回到骑车题。两段路程相等时,慢的那一程花的时间更长,所以全程平均速度更靠近慢速;如果花在两种速度上的时间相等,两种速度才各占一半权重。你不必背两个公式。下次只要能在动笔前问出“相等的是时间还是路程”,就抓住了决定方法的那个条件。这个例子是为了说明怎么自查,不是上面任何一项实验的原题。

一种可试的做法,是在打开聊天窗口前把练习分成两份。一份可以问,另一份先折起来。对第一份,先写下自己准备怎么开始,哪怕只写对了一个条件;真卡住了,把这句话给 AI 看:“我觉得去回的距离相等,所以两个速度各占一半。先别给答案,指出我把哪两种量混在了一起。”等你能用自己的话回应,再请它反驳你一次。这里有价值的不是某句万能提示词,而是你和它各自做过的判断仍然分得清。

合上聊天窗口,再打开第二份。最好从课本或老师的题库提前挑题,不拿模型刚照着例题改写、顺便暗示了解法的题。记三件事就够了:能不能独立写出第一步;做错时能不能定位是哪一个条件看反;隔天换一种问法,还能不能把道理讲给别人听。答不出来也有用,它告诉你应该回到哪一步,不必把整段标准答案重新抄一遍。偶尔连对两题不是严密的个人实验,别用它给自己贴“会了”或“离不开 AI”的标签。

这套自查也有不必用的时候。明天就要交活动通知,你只想把集合地点和报名方式写清楚,让助手整理格式,再亲自核实地址,是合理的分工;没必要关掉电脑默写通知来证明什么。但如果今天练的是主持会议后独立提炼要点,同一项代劳就跳过了你要学的事。可以在动手前把目标写成一句话:“下次没有它,我希望自己仍然能做的是……”写不出这句话,先决定这次是在交一件成品,还是在学一项本领。

**给要设计研究的读者:**比起再比一次“有 AI”和“没 AI”,我更想看这样的对照:用同一模型、同一套经核对的材料和相同练习时间,把学习者随机分到直接解答、逐步提示和无助手三组。用未见过的独立题做主要测量,另记跳过、做错、答对;再隔一周,把表面情境换掉。如果提示组只在原题上占优,就要考虑它教的是解题套路;如果独立新题的表现也改善,才更支持学到了可迁移的东西。这是尚未执行的设计,不是本文新做的实验。

所以,下次看到一份漂亮的 AI 作业,不必立刻问“这算不算作弊”,也不必把它当作教学成功的证明。换一道题,关掉窗口,把第一笔留给学习的人。那一笔比聊天记录的长度更值得看。你最近一次请 AI 帮忙,有没有哪一步是当时觉得懂了,后来才发现自己说不明白的?

参考资料

  1. Hamsa Bastani 等(2025),Generative AI without guardrails can harm learning: Evidence from high school mathematics,PNAS。实验设计、主要结果及表 1。
  2. Grace Liu 等(2026),AI Assistance Reduces Persistence and Hurts Independent Performance,COLM 2026;作者全文 v6,第 2–4 节与局限。
  3. Zara Contractor、Germán Reyes(2026),Experimental Evidence on the Learning Impact of Generative AI,arXiv 预印本 v2,10 月 4 日修订;原文表 4 与研究设计。本文采用修订版,不混用初稿数字。

作者作品推广

除了写技术博客,我也在做一些让日常更有条理的小工具,欢迎了解我独立开发的两款 App:

  • 日常收支小记:记下收支,也给每一笔钱安排好去处。记录日常账目,安排预算与储蓄目标。在 App Store 了解。
  • 一事微光:从一件小事开始,让今天多一点微光。按当下的时间和精力选择行动,记录完成后的感受与发现。在 App Store 了解。

更多技术文章和个人作品,欢迎来我的网站:zffjzz.top。也欢迎把使用感受告诉我,让这些小工具慢慢变得更好。