CS240 AI 作弊复盘

关于反 AI 政策与执行的反应

• 许多人认为这项政策（作业禁止使用 AI、严格审查相似性）过于僵硬且与现实脱节，并认为如果大约 50% 的学生都在违反某条规则，那么课程设计可能与现实不匹配。
• 也有人为早期课程禁止使用 AI 辩护：使用 LLM 被比作在学习基础算术时用计算器，或在健身房里用叉车；它绕过了学习目标。
• 一些评论者强调公平性：大规模作弊会伤害那些诚实学生，因为他们要在成绩、专业名额以及后续工作机会中与人竞争；严格执行被视为必要。

表格信函、胁迫与正当程序

• 那份通知表格威胁说，如果学生“诚实”承认使用 AI，就可能被转交院长、课程记 F，或者得到零分；这一做法被广泛视为带有胁迫性，并被设计成迫使学生认罪。
• 批评者说，如果教师对证据很有把握，就应该直接给出处罚，而不是用一个充满压力的“承认”流程。
• 也有人指出，复盘承认了错误并部分道歉，但一些人仍觉得其语气高度防御、并带有自我辩护色彩。

合作 vs “独立完成”

• “不要和其他学生一起做 / 不要看别人的文件”这类措辞被描述为反合作，并且违背了人类学习的方式。
• 支持者认为，在这个层级上，实现细节很简单，而合作很容易变成抄袭；助教被定位为安全的求助渠道。
• 还有人担心，把“无意接触”也视为违规的政策会让人连和同学或助教交流都感到焦虑，并可能让更擅长社交的人占优势。

LLM 时代的评估方式

• 一些人建议改为线下监考考试、口试，或现场代码讲解，以直接测试理解程度，并接受带回家作业会被 AI 辅助。
• 另一些人建议采用项目制评分，辅以当面提问或现场修改，以区分真正的理解与借助 AI 的“凭感觉写代码”。
• 对于大班教学（例如 600 名学生），口试/交互式评估的可扩展性被认为是一个主要限制。

课程设计与语言特性的使用

• 一些学生会自然而然地探索 malloc、sizeof 或其他 C 语言结构，并会因自己这样做而被暗中怀疑作弊而感到不满。
• 线程中所描述的教师视角则认为，这类特性往往与抄来的解答相关，并可能分散对目标学习内容的注意；这些内容只是被劝阻，并未被禁止，之后也会通过简短交流跟进，而不是自动指控。

关于学术界与作弊的更广泛反思

• 观点从“零容忍，把作弊者赶出去”到“作弊是激励错位和过于职业化学位的症状”不等。
• 讨论还延伸到大学是否应将 AI 作为核心工具来接受，还是将其视为威胁，以及计算机科学项目是否应更侧重 AI 时代的技能，例如有效使用 LLM。
• 有人认为，大班规模、官僚化指标以及科研优先的文化，是教学质量差和对抗性诚信政策背后的深层驱动因素。