伯克利数学教授批评学生基础薄弱后承认用 AI 编辑，引发高校 AI 写作边界争议
据 IT之家援引英国《卫报》报道，加州大学伯克利分校数学教授兹韦兹德利娜·斯坦科娃近日在《旧金山标准报》发表一篇评论文章，批评部分学生存在“严重”的数学基础缺失，并将问题指向加州大学不再参考标准化考试成绩的招生政策。随后，伯克利学生媒体发现该文疑似存在 AI 生成或辅助痕迹，斯坦科娃也承认文章曾借助 AI 软件进行编辑。这一事件迅速从招生政策争论延伸为高校场景下AI 辅助写作的透明度、责任归属与学术表达边界之争。
一篇批评学生基础的文章，为何引发 AI 争议
来源显示，《旧金山标准报》上周刊登了斯坦科娃约 2000 词的评论文章。她在文中称，自己教授的一些数学课学生水平落后“五到八年”，甚至未掌握分数、基础代数等初中阶段知识。她认为，问题与加州大学取消在招生中参考 SAT 等标准化考试成绩有关：当传统衡量标准不再作为录取参考时，一些尚未准备好应对大学课程难度的学生也可能进入相关课程。
争议的转折点来自加州大学伯克利分校学生报《加州人日报》。伯克利大二学生弗朗西斯·罗表示，他们使用 AI 检测工具 Pangram 对文章进行检查后，软件判断其中 33% 的内容由 AI 生成或经过 AI 协助。随后，斯坦科娃承认，自己确实使用 AI 软件帮助编辑文章，但强调文章是累计数百小时高强度人工工作的成果，其中约 80 小时由她本人完成。
她还通过电子邮件说明，AI 被用于查找与这项倡议相关的大量文件和文章，但所有分析均由团队成员完成。换言之，在她的表述中，AI 更接近资料检索和文字编辑工具，而不是独立完成观点与分析的作者。
出版方态度：可以协助，但必须由人负责
《旧金山标准报》在回应 AI 使用政策时表示，AI 可以提供协助，但刊登的每一篇文章背后都必须有人类作者，并由人类对每一个字负责。该媒体称，在与这篇评论文章作者合作时，其理解始终是文章体现了作者及同事的大量原创分析、研究和专业工作。
这类表态反映出当前媒体和高校共同面对的现实：AI 工具已经进入写作、编辑、资料整理和润色流程，但行业规范并未完全跟上。尤其当文章涉及公共政策、教育公平或专业判断时，读者往往不仅关心结论是否成立，也关心作者是否充分披露 AI 在文本生产中的角色。
- 事实层面：斯坦科娃承认使用 AI 编辑文章，但强调分析由人类团队完成。
- 工具层面：学生记者使用 Pangram 检测后得到 33% AI 生成或协助的判断。
- 规则层面：出版方认为 AI 可辅助，但人类作者必须对全文负责。
- 舆论层面：批评者认为该事件具有讽刺意味，支持者则认为 AI 争议偏离了数学教育问题本身。
标准化考试争论仍是事件核心
尽管 AI 使用成为舆论焦点，但斯坦科娃文章原本讨论的是加州大学招生政策。2020 年，加州大学董事会投票决定逐步取消申请时提交标准化考试成绩的要求。来源摘要提到，哈佛大学、斯坦福大学、麻省理工学院和耶鲁大学等高校当时也做出过类似决定，但此后这些高校已全部恢复相关要求。
斯坦科娃在评论文章中引用了自己和同事分析的数据，称加州大学实行不参考标准化考试成绩的招生政策后，在修读微积分 I 之前存在“严重基础不足”的学生人数增加到原来的 3 倍。文章发表前，她还与超过 3000 名加州大学教职员工共同签署了 6 月的一封公开信，支持恢复招生考试。作为公开信作者之一，她表示，信件编辑过程中也使用了 AI。
在支持者看来，讨论重点应放在大学课程准备度、数学基础教育与招生筛选机制上；但反对者则认为，当一篇强调学生能力不足的文章本身依赖 AI 辅助时，至少应更清楚说明工具参与程度，否则容易削弱文章的说服力。
影响与解读：AI 写作不是禁区，关键是披露和责任
从科技产业与工具应用角度看，这起事件并不是简单的“教授翻车”。它折射出一个更广泛的问题：当 AI 已经成为高频办公和写作工具后，哪些使用属于合理辅助，哪些又会被视为不当代写？目前许多机构仍在探索边界。
加州大学系统本身设有“AI 委员会”，协助各校开发 AI 项目和资源。委员会成员卡米尔·克里滕登表示，她并不清楚学校是否针对教师在个人研究或评论文章中使用 AI 制定了具体规定。她还提醒，Pangram 这类 AI 检测工具仍存在不可靠和缺乏细致判断的问题。Pangram 则在官网宣称，识别 AI 生成文档的准确率达到 99.66%，平均约每扫描 24000 份文档才会误判一次。
这也说明，AI 检测结果本身不应被简单等同于定论。检测工具可以作为线索，但无法完整判断作者的写作流程、资料来源、编辑意图和人工参与程度。对于高校、媒体和研究者而言，更可操作的方向不是完全禁止 AI，而是建立明确规范：何时需要披露、披露到什么程度、作者如何保存研究与写作过程记录，以及编辑机构如何审核 AI 参与的文本。
此次伯克利教授事件的现实意义在于，它把两个本就敏感的问题叠加到了一起：一是大学招生是否应恢复标准化考试，二是专业人士使用 AI 参与公共表达是否需要更高透明度。随着 AI 写作工具继续普及，类似争议还会出现。未来真正需要明确的，或许不是“能不能用 AI”，而是在公共知识生产中，如何让 AI 辅助不削弱人的责任与可信度。