一句话看懂：一项新的研究显示，学生在作业中借助 AI 工具，分数平均能提升 18%，但在不借助 AI 的闭卷考试中，成绩反而下降了 20%。这一“作业变好、能力变差”的剪刀差，直接冲击了关于 AI 辅助学习效率的主流叙事。
事件核心：发生了什么
这份研究论文发布在 SSRN 预印本平台（论文编号 6868618），在 Hacker News 上引发激烈讨论。研究核心结论并非简单的“AI 有害”或“AI 有利”，而是揭示了一个更微妙的现象：AI 对任务完成度（作业）的即时提升，与对人类长期认知能力（考试）的负面影响同时存在。研究指出，学生在晚间通过教科书和视频学习基础材料，白天课堂时间本来用于练习和应用，而 AI 工具恰好切断了这一“应用练习”环节，让学生在答案交付与能力内化之间选择了前者。
为什么重要
这项研究的重要性在于，它把“AI 提高生产力”的宏观叙事拉回到个体认知发展的微观层面。如果学生在大脑神经可塑性最强的阶段，系统性地用大模型替代思考过程，那么他们进入劳动力市场时，带来的可能不是“AI 原生代”的竞争优势，而是基础认知技能（如逻辑推理、知识检索、问题拆解）的普遍退化。讨论区中有观点进一步指出：面试是考试、日常会议是考试、解决 Bug 也是考试，如果学生习惯了 AI 外包这些环节，那么未来职业生涯的每一步都会是“裸考”。这种趋势在个体层面短期无害，但在数十年的经济结构里，可能意味着劳动力附加值的持续下降，以及资本与 AI 持有者之间权力和财富的进一步转移。
对用户/开发者/创作者的影响
对普通学生和职场人而言，这个研究提示了一个使用边界：AI 适合做“辅助检索”和“思路验证”，但不适合做“认知替代”。如果用大模型直接生成作业、会议纪要或代码片段，你省下的是时间，丢掉的是本应在练习中形成的脑内模型。对开发者来说，这同样值得警惕——日常工作中高频使用 Copilot 类工具编码，是否也在弱化自己独立 debug 和系统设计的能力？对创作者而言，AI 辅助内容生产本身不是问题，问题在于创作者是否还具备不依赖生成式 AI 时的审美判断和结构把控力。目前公开信息显示，研究并未区分不同 AI 工具（如 GPT-4 与开源模型）的具体影响，这仍是待考察的问题。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
后续可以关注三个方向：第一，这篇论文是否通过同行评审并正式发表，其样本量与实验设计是否经得起复现；第二，教育机构是否会将“闭卷无 AI 测试”重新纳入考核标准，就像部分大学恢复线下纸笔考试一样；第三，AI 辅助工具是否会推出“学习模式”或“解释模式”，从直接给答案转向苏格拉底式提问，这可能是未来教育类 AI 产品的差异化竞争点。另外，讨论区有一条来自医学院学生的匿名信息——临床阶段学生遇到不懂的问题直接到隔壁房间问 GPT——这种“隐性依赖”在专业培训领域蔓延的速度，可能比公开报道的要快得多。
来源：hackernews
