加州大学伯克利分校 10 月 9 日发布消息，介绍了一项关于 AI 辅助与”坚持力”的研究：参与者借助 ChatGPT 做题约 10 分钟，工具被撤走后，正确率下降，跳过题目的比例上升。论文《AI Assistance Reduces Persistence and Hurts Independent Performance》最早 4 月挂上 arXiv，10 月 3 日更新到第五版，经同行评审的版本发表于语言模型会议 COLM。
作者共五人，包括伯克利人类兼容 AI 中心的研究员、《算法之美》作者 Brian Christian，以及来自卡内基梅隆、MIT、牛津和 UCLA 的合作者。
三组实验怎么做
研究在线招募 1222 人，做了三项随机对照试验。前两项是分数运算，第三项是 SAT 阅读理解练习题。每项都分两段：练习阶段，一组可以用 AI，对照组只能自己做；随后进入 3 道题的测试阶段，所有人都没有 AI 可用。
结果按剔除后的样本算：
| 实验 | 测试正确率（AI组 / 对照组） | 跳过率（AI组 / 对照组） |
|---|---|---|
| 分数题一（307 人） | 57% / 73% | 20% / 11% |
| 分数题二（585 人） | 71% / 77% | 10% / 7% |
| 阅读理解（168 人） | 76% / 89% | 8% / 1% |
三组正确率差距都达到统计显著。跳过率的差距在第一组和第三组显著，第二组没有。
“You almost couldn’t ask for a clearer story.” （很难再找到比这更清楚的结果了。）
Christian 在伯克利的稿件里这样形容。他也补了一句，这项研究讲的并非分数题和 SAT 本身。
怎么用 AI，差别很大
第二项实验让 AI 组自报使用方式：61% 的人直接向 AI 要答案，27% 只要提示或请它解释，12% 基本没用。
直接要答案的那批人，测试正确率 65%，跳过率 13%；只要提示的那批人，正确率 76%，跳过率 5%，和对照组相差无几。作者明确说这是事后分组比较，不能当因果证据，人们选择怎么用 AI 本身可能就和能力、性格有关。
研究用的 AI 被刻意设定为尽量给出完整答案。辅导式、苏格拉底式的 AI 能不能保住帮助效果、又不削弱坚持力，作者认为方向可取，但三组实验都没有直接检验。在论文结论里，他们把”让用户少用一点""换成提示模式”这类用户端办法称为权宜之计，主张模型开发方在设计时就把用户的长期能力算进去。
对国内课堂和家长意味着什么
国内中小学生接触 AI 做题的入口很多，拍照搜题、作业类应用和通用聊天助手都能一步给出完整解答。这项研究测的正是”给完整答案”这种模式，而且只用了 10 分钟。
几条边界要先说清。参与者是美国在线招募的成年人，题目是基础分数运算和标准化阅读，跟长期、高频的作业场景不是一回事。测试紧跟在撤掉 AI 之后，效应能维持多久没有数据；三项实验也都只看了单次接触，天天用会累积还是会适应，作者说需要纵向研究来回答。
对家长和老师比较有参考意义的，是第二项实验里”要提示”和”要答案”之间那几个百分点的差距：同样有 AI 在手，问法不同，撤掉之后的表现就不一样。这一点目前只是相关性，还等着有人做成对照实验。
参考来源：加州大学伯克利分校新闻稿、CocoLoop、arXiv 论文第五版；论文正文核验三项实验的样本量、正确率、跳过率与使用方式自报比例。