先跟大家同步两条正在全球大学里同步发生的好消息：
好消息1： 学生的成绩提高了。
哈佛学生拿 A 等成绩从20年前的24%暴涨到60%；中国这边也是一样，学者调查了超过2万名中学生以后发现，他们近年家庭作业的分数提高了18%，而完成时间减少了30%。
好消息2： 毕业论文质量变高了。
即使是再不会写论文的学生，这几年也能轻松达到及格线。MIT 针对专业写作任务的实验表明，引入 ChatGPT 后，大学生们论文与报告的产出质量提高了0.4个标准差，相当于质量评分暴涨18%。
聪明的你一定已经看出来了，这都是 AI 带来的变化，然而，这些真的是「好消息」吗？
学生开始用 AI 做作业、写代码；老师则用 AI 设计试卷、生成评语。越来越多的课程，双方都默认 AI 会参与其中。甚至，会出现这样终极荒诞的局面：学生用 AI 写论文，老师用 AI 改论文。每个人都完成了自己的功课，但学生到底学会了什么，无人知晓。
成绩单正在失去它最重要的功能：区分能力。如果所有人都能得到 A，那 A 就是新的 Average（普通）。AI 让学生拿 A 变得容易，同时也让这个成绩在招聘方眼中变得不那么有用。
2025 年，哥伦比亚大学大二的学生 Roy Lee ，用 AI 舞弊通过了亚马逊的技术面试，拿到了实习offer。但更离奇的是，他直接把整个作弊过程录成视频，公开发到了网上。视频很快突破10万次播放。几天以后，offer 被撤回，他也因此被哥大停学一年。
但故事没有结束。
几个月后，Roy Lee 拿到了 530 万美元融资，开了 AI 创业公司， slogan 十分嚣张：
Cheat on Everything（在一切事情上作弊）。
他另一条被转发很多次的发言是，
高等教育就是个笑话……
大学唯一的作用，就是认识未来的合伙人和妻子。
《纽约》杂志写了他的故事，标题是「大学里人人都在作弊」。这篇报道发表后引发了美国教育界大规模回应。其中，东密歇根大学写作课教授的 Steven D. Krause 在个人博客里批评道，记者又在贩卖「天才作弊者」的故事了。这种靠作弊能拿到百万风投的学生，根本不是一般人，属于「主谋型的作弊者」，原本自己就有能力完成作业。而根据他30多年的教学经验来看，99% 选择作弊的学生并不高明，他们选择作弊是因为快挂科了，急于求成。
的确，就在《纽约》杂志同一篇报道里，还有一位化名 Wendy 的大一金融系新生，她的故事没有引起太多关注，但更具参考意义。
Wendy 声称自己反对作弊，反对复制粘贴。但是由于某个作业 Deadline 迫近，她还是选择用聊天机器人为她的论文勾勒框架。ChatGPT 为她提供了主题句和要点列表，让 Wendy 只用了两个多小时就成功提交了一份整洁的5页论文。虽迟但到，还拿到了高分。
Wedny 十分擅长用 ChatGPT 写论文，她会给 AI 固定人设，告诉它「我是一名大一新生，在上英文课」，以免 AI 给出过分高级或复杂的句式。Wendy 其实是喜欢写作的，她怀念 AI 出现前，在中学里动笔之前认真规划一篇文章的过程。 「这个过程本身就有一种美感。」但相比起「手搓」写作的快乐，她更想要的是高分。
斯德哥尔摩大学和香港大学的最新联合调查也说明了同样的问题，学者们追踪了26,811名中国7-12年级学生、长达30个月的面板数据（2022年9月起），覆盖九个科目的每月闭卷考试，最终发现，「学习损失」高度集中在约80%的 AI 使用者身上。
这批人符合「作业外包」的特征：作业完成时间异常的短，同时作业分数很高。可是，代价却会延迟到账：外包作业给 AI 的学生们，中考成绩下降了24%，高考成绩下降18%。
最让教育者们头疼的，并不是桀骜的 Roy Lee，反而是温顺的 Wendy 们，是无数个对自己有要求，却宁愿把思考过程外包给 AI 的普通学生们。
《纽约》杂志这篇文章以十分悲观的预言做结：大批学生将带着学位，以「实质上的文盲」状态进入职场。
重新设计考试
过去一年，美国不少高校重新增加了手写考试和口试的比例。
一些课程重新回到闭卷考试。根据《华尔街日报》的报道，加州大学伯克利分校的蓝皮书（Blue Book）销量在近两个学年内飙升了80%。教授们正通过重回「纸笔时代」，来确保学生成绩的真实性与独立思考能力。
丨Blue Book（蓝皮书）是美国大学常见的手写考试答题册
另一些则回潮到「口试」，学生需要当着老师的面，把自己的推理过程重新讲一遍。在一些计算机课程里，学生完成编程作业后，还需要接受 10 到 20 分钟的现场提问。但口试作为考试方式一直没有得到大规模应用，原因是效率太低。在20人小班尚可尝试，但换到250人的通识教育班就几乎无法实现。这是一种无奈的对策，有点像扫码支付突然失灵以后，人们开始重新排队数现金找零钱，安全，但更低效。
越来越多的大学开始意识到，与其想办法堵住 AI，不如重新设计作业本身——如果 AI 已经成为学习的一部分，一份好作业应该考什么？
第一种变化，是让思考过程变得可见。
越来越多课程要求提交草稿、修改记录和反思日志。澳大利亚新南威尔士大学（UNSW）已经在不少课程中采用分阶段提交；英国国王学院（KCL）的科学写作实验，也开始把修改过程本身纳入评分。
第二种变化，是让作业重新回到真实世界。
学生需要采访、观察、做实验、解决真实问题，而不是整理公开知识。
第三种变化，则是要求公开 AI 使用的程度和过程。
今年 7 月，复旦大学《数据挖掘技术》课程的期末考试，考题是看谁能考倒 AI。AI 答错得越多，学生的成绩越高；能把最先进的大模型考倒的话，分数还会更高。
课程老师肖仰华说，如果继续出标准算法题，AI 比任何学生都算得更快、更准。而给 AI 出题，考的是另一种能力，如果你真正理解了知识，就能找到 AI 的盲区。高分段的同学出的是长链条、高精度、零容错的计算任务，因为他们对AI的弱点有准确判断；而「低分学生出了题自己也不知道答案。」
丨复旦的期末现场， 学生正在分享「人考AI」出题的设计思路
复旦这场考试，像一部关于未来教育的预告片。
蓝皮书想在把 AI 挡在考场外，复旦则把 AI 请进考生的坐席。无论选哪个，我们评估大学生的方式，都在发生质变。
当成绩不再代表能力
经济学家迈克尔·斯宾塞在1973年就提出了「劳动力市场信号」理论，并在近30年后凭借系列研究拿到诺贝尔经济学奖。他的洞察是，即使教育没有提高能力，但它依然有价值，因为教育能区分不同的人，可以充当向雇主传递求职者潜在能力的「信号」，比如智商、毅力、自律等等。
过去，企业相信 GPA 是因为它足够便捷：一张成绩单，就能在几千份简历里筛出可能优秀的人。
可是，信号理论的成立有个前提：伪造信号的成本，必须足够高。
作弊和绩点膨胀的现象一直存在，但生成式 AI 爆发后，这个成本第一次趋近于0。AI 帮助学生提高了成绩，然而学生自身并没有掌握更多知识和技能。高绩点不再代表学术能力，只是说明，学生能使用更先进的大模型，或者更擅长和 AI 合作。
当文凭和成绩所传递的信息不复从前，最先对这种变化的做出反馈的，就是招聘市场。
一些企业开始进一步提高门槛，比如咨询公司和科技公司开始要求 GPA 达到 3.7、3.8 甚至更高才能进入面试；另一部分企业则干脆放弃 GPA，把作品集、技能测试和现场实操放到招聘流程的中心。面试也越来越像考试：候选人需要现场写代码、分析案例、完成一个个真实的小任务，或者是以项目制先进到公司合作一段时间，再决定是否录用。The Interview Guy 2026年的调查显示，72%的招聘负责人明确表示已经把线下面试当成防欺诈手段。Gartner 甚至预测，到 2028 年，全球会有四分之一的候选人资料是假的。
最耐人寻味的是两家 AI 公司的招聘政策。马斯克旗下 xAI 的联合创始人公开发帖，称他发现候选人在面试时明目张胆地使用了 Claude，但他并不生气，而是详细地问了对方有哪些新的作弊手段；而 Claude 的开发商 Anthropic，则直接要求候选人不要使用 AI 完成申请。
丨Greg Yang 是 xAI的联合创始人之一，他发帖称抓到候选人在面试中试图使用 Claude
这届毕业生或许是最委屈的一届：他们赶上了最难的就业市场，也赶上了 AI 最快普及的几年。企业既要求他们熟练使用 AI，又担心他们对 AI 过度依赖。大学也陷入类似的两难境地里：既希望学生具备更高的 AI 素养，又无力阻止 AI 抹平所有人真实学习差距。
当「成绩」越来越难反映能力，大学文凭到底还能不能继续充当人才筛选的依据？
成绩单的另一种形式
答案，或许就藏在半个世纪前的一篇论文里。
阿克洛夫1970年提出的「柠檬市场」理论认为，当买方无法区分商品质量时，市场最终会被劣质商品占据，因为优质商品无法获得应有的价格；最终，买方会绕开这个市场，另建交易渠道。
预言的后半截正在发生，更激进的企业，已经开始绕开大学，直接从高中筛选人才。
美国的 AI 大数据与分析公司 Palantir 去年推出了一项面向高中毕业生的 Fellowship，公开宣称：「Skip the debt. Skip the indoctrination. Get the Palantir degree.（跳过大学贷款、跳过大学教育，Palantir 会给你一张学位）」。中国的腾讯和字节等大企业也开始开办「青训营」或者「预备研究员」等项目来尽早地接触和培养年轻人才。
丨AI 大数据与分析公司 Palantir 打出招聘广告，声称「Not everyone needs college to succeed. （并非每个人都需要上大学才能成功。）」
这种变化，也影响着一些家长对教育的判断。
在「晚点Latepost」的采访中，一家 AI 公司创始人甚至计划让自己读高一的孩子休学，边在自己的公司实习打工，边学习课本知识，「他在学校怎么可能学到比我这儿更多的东西？」
过去，大学负责认证人才，企业负责挑选人才。而 AI 瓦解了这两者之间稳定的分工，大学文凭和事业成功之间的因果关联越发松动。这个时代也愈发优待拔尖的人才，学位对他们来说本就无足轻重。
半个世纪前，比尔·盖茨的命运之轮开始转动。1975 年，盖茨从哈佛退学，在一间小车库里创立了微软。那时的他觉得微型计算机革命来得太快，等不起四年。
半个世纪后，Roy Lee 似乎也重复了这个故事：用 AI 通过面试、被哥大停学、拿到数百万美元融资，一夜之间成为硅谷的新传奇。但他的故事有一个截然不同的尾声。
2026 年，Roy Lee 社交媒体上写道：
离开学校是一件天大的事。我考虑这个决定的时间，比表面上看起来长得多……如果可以，尽量坚持读下去，直到绝对无法继续为止。
和成名后的盖茨一样，那个因为离开大学而出名的人，最后劝年轻人不要轻易离开大学。
同一个月，Roy Lee 又公开承认，此前接受媒体采访时提到的公司收入数字存在夸大，并撤回了相关说法。一个靠挑战传统评价体系而成名的人，最终仍然需要面对另一套评价体系——市场、用户，以及真实的世界。
