高等教育正面临AI生成内容泛滥带来的根本性挑战。康奈尔大学等机构近日指出，大量学生已将AI用于完成作业和考试作弊，传统论文、编程作业等评估方式已难以区分真实能力与AI辅助成果。这迫使学校重新思考评价标准，从结果导向转向过程监督与口头答辩等形式。
支撑这一趋势的数据与案例清晰：2026年5月发表的《自然·医学》观点文章直指“AI诱发的永不熟练”（never-skilling）现象，医学生在AI辅助下可能跳过基础技能训练，导致临床判断能力退化；康奈尔5月21-22日峰会与相关报道显示，纽约州高校正集体讨论AI风险，部分课程已试点禁止生成式AI或要求提交完整思考过程。[[1]](https://www.nature.com/articles/s41591-026-04438-y)
与过去依赖监考和抄袭检测不同，如今AI输出质量已接近甚至超越学生水平，形成结构性对立：学生短期成绩提升，但长期专业素养下滑。相比中国高校强调AI工具规范使用与学术诚信教育，美国部分顶尖大学更侧重技术反制与评估创新。
未来6-12个月，口试、项目迭代记录、多模态能力验证等新评估范式能否大规模落地，将决定AI是否真正成为教育赋能工具，还是加速专业人才“空心化”的催化剂。
信源：https://www.nature.com/articles/s41591-026-04438-y
