菲尔兹奖得主宣布“交了就给分”

整理 | 郑丽媛
出品 | CSDN（ID：CSDNnews）

“如果 AI 对社会的最坏影响，只是让作业变得更难打分，那我反而会非常欣慰。”

说这话的人，是加州大学伯克利分校数学教授 Richard Borcherds。1998 年，他拿过菲尔兹奖——数学界的最高荣誉，大致相当于这个领域的诺贝尔奖。最近他做了一个让同行侧目的决定：

学生作业，只要交了就给分；至于答案对错，他不管了。

这个决定听起来像是在“放水”？而他给出的理由很简单：越来越多学生开始用 AI 完成作业，而他难以分辨哪些答案出自 AI，也想不出更好的解决办法。

学生用 AI 拿高分，教授决定换一种方式评分

过去，老师批改作业，主要看答案是否正确、解题过程是否合理。但在 AI 能快速生成答案的今天，Richard Borcherds 表示，学生用 AI 完成家庭作业的现象已相当普遍。要是还按照答案的正确性评分，只会便宜那些就用 AI 的学生，而让那些坚持独立解题的学生吃亏：

“如果只是根据答案是否正确来评分，就会给学生用 AI 完成作业提供巨大的动力，反而惩罚了那些诚实的学生。”

不仅如此，在这种背景下继续花钱请助教逐题判断答案是否正确，在他看来也没什么意义了——因为 AI 生成的作业和人类写的作业之间，那条线几乎消失了。于是，Richard Borcherds 调整了评分方式：只要学生完成并提交作业，就可以获得相应分数，答案对错不再是主要依据。

他承认，这不是一个好办法，但眼下也想不到更好的替代方案了。

毕竟，交了作业不等于学会了知识，拿到高分也不一定代表真正掌握了解题方法。那如果只看作业是否完成，成绩还能在多大程度上反映学生的真实水平？

让数学界后背发凉的，不只是作业

Richard Borcherds 的“放弃”并非凭空而来，其实他对数学教育之外的问题也产生了担忧。

时间往回拨一个多月，也就是今年 9 月，OpenAI 宣布其内部AI系统对纳维-斯托克斯方程的存在性与光滑性问题给出了一个解答：这是克雷数学研究所悬赏百万美元的七个“千禧年大奖难题”之一，描述的是流体运动中最基本的数学规律。

据了解，OpenAI 动用的方案是约一万个 AI 智能体并行协作，运行 88 小时，产出的结果随后通过了 Lean 形式化验证。当时 OpenAI 研究员 Noam Brown 在 X 上透露，这次的计算成本高达“数百万美元”——比问题本身的 100 万美元奖金还贵。但他同时给出了一个更让人不安的预测：“一年后，所有每月花 20 美元订阅 ChatGPT 的人，都能解决这种级别的问题。”

对此，Richard Borcherds 的判断相当直接：“如果 AI 继续以目前的速度进步，那么再过几年，人类数学家能够做到的事情，可能没有什么是 AI 做不到的、甚至会做得更好。”

这番话出自一位获得过菲尔兹奖的数学家，难免让人感到震撼。

大约五年前，Richard Borcherds 还认为，数学家是相对不容易受到 AI 冲击的职业之一。毕竟数学研究涉及抽象思维、复杂推理和创造性探索，曾被视为人类专业能力的重要壁垒。如今，他却开始犹豫：还应该鼓励学生进入数学系吗？

“我完全不知道该怎么建议。我甚至把这个问题原封不动地问了 ChatGPT，结果连 ChatGPT 都说，它也不知道未来会发生什么。”

同一个系，但两种完全相反的判断

不过 Richard Borcherds 的悲观，在伯克利数学系并不是共识。例如，同校的数学博士生 Robin Huang 在接受采访时，就给出了几乎相反的评价。

她用 AI 辅助过自己的研究，感受是“非常愚蠢、非常低效”。在她看来，AI 公司去破解那些未解的数学难题，是一种“极度损人利己的行为”，并在数学共同体内部制造了恐慌——让研究者害怕被 AI“抢先发表”。

其实，这两种判断的差别，不在于谁对谁错，而在于他们看的是不同的东西：

• Richard Borcherds 盯的是趋势：88 小时解决千禧年问题，这个加速度本身已足够说明方向。

• Robin Huang 感受的是当下工具的真实手感：笨拙、低效、离“替代研究者”还差得远。

一个在为“之后”做心理准备，一个在质疑“现在”到底走到了哪一步。还有一点很微妙：虽然 Richard Borcherds 已放弃批改学生的作业，但他并非是一个拒绝工具的保守派。

恰恰相反，他在采访中承认，AI 可能比他更适合教自己的研究生抽象代数课，因为 AI“有耐心，讲得清楚”；甚至向 AI 提出复杂问题时，得到的答案也“比从任何人类数学家那里得到的都好”。

作业不批对错了，那大学在评什么？

无论如何，虽然 Richard Borcherds 的做法极端，但他也了戳中一个所有大学都在面对的问题：当 AI 能高质量地完成大部分传统的“作业型任务”，用作业来评估“学生自己会不会做”，这个逻辑本身就开始松动。

关于这个问题，加州大学伯克利分校的回应是把“球”踢回给教师：大纲里必须写 AI 使用规范，但具体怎么管，任课老师自己定；他们也试过 Turnitin 和 Rumi 等 AI 检测工具，结论是准确度不够，没法全校推广。

换句话说，学校层面已承认了“检测”这条路走不通，但替代方案还没有成形。放到更大的背景里看，这也不是加州大学一家的困境——2026 年的一项全球调查显示，大学生学业中的 AI 综合使用率已经达到 88%。

可对于教育而言，答案是否正确固然重要，但理解推导过程、发现错误、独立解决问题，更是学习的核心。其实 Richard Borcherds 的选择，也是把一个没有答案的问题摊到了台面上：

如果作业不再是训练“亲手做对”的场所，大学到底应该评估什么？是学生提出好问题的能力，判断AI答案是否合理的能力，还是某种目前还没有被清晰定义的东西？

目前，Richard Borcherds 还没给出答案。那么问题留给你：如果你花了几十年成为某个领域的专家，然后发现一个每月 20 美元的工具在几年内就能做到你大部分的工作，你会告诉年轻人“继续走这条路”，还是“换一条”？

参考链接：https://nypost.com/2026/10/25/us-news/uc-berkeley-professor-refuses-to-grade-students-homework-after-spotting-surge-in-ai-usage/

“xAI最初只是副业、未来钱将不再重要”，马斯克最新访谈实录！Linux内核多个高危漏洞疑似被误公开，最高评分达9.0！世界模型开始接管动作：Physical AI 正迎来真正的 Scaling 时刻

「智能体应用创新与开发实践」专题阵容更新！

Agent 正从“会聊天”走向“能交付”。来自中科院微电子所的毛航宇、上海人工智能实验室的张铂、Google Cloud 的张宇驰、阿里云的杨文婷、腾讯 Agent 安全负责人张栋等一线专家，将围绕 长程智能体、Agentic 流水线、MCP / Managed Agents、Agent 安全、真实业务交付等方向，分享从能力构建到生产落地的最新实践。

2026 奇点智能技术大会汇聚 70+ 技术嘉宾、18 大前沿专题、70+ 主题演讲、1000+ 行业技术人，覆盖 RSI、Agent、AI Coding、世界模型、Physical AI、AI Infra、企业级 AI 等热门方向。

11 月 20–21 日｜北京万达文华酒店

如果你正在做 Agent 产品、智能体平台、多 Agent 协作、MCP 或企业级 Agent 落地，这个专题值得现场听。扫码注册参会，提前锁定席位。