生成式人工智能（AIGC）的横空出世，无疑给高等教育带来了前所未有的冲击。它在提升效率、辅助研究方面的潜力令人瞩目，但同时，其在学术写作中被滥用的风险，也直接挑战了高校赖以生存的学术诚信根基。面对这股技术浪潮，无论是中国还是国际上的高校，都在积极探索管理和引导的策略。这不仅仅是技术层面的应对，更是对教育理念、评价体系乃至学术生态的一次深刻反思。
中国高校：统一规范下的“防”与“控”
面对AIGC的普遍应用，我国多数高校采取了一种相对集中且层层设防的管理模式。其核心策略可以概括为“校级统一规范 + 技术检测 + 详细禁令”。
首先，技术检测系统被视为第一道防线。像北方电力大学、湖北大学、福州大学等众多高校，都已引入了AIGC检测服务系统。这些系统并非简单地查重，而是侧重于识别文本中的AI生成痕迹，并设定了明确的“AI风险”阈值。根据源材料，这个阈值通常设定在40%。一旦毕业论文的AI风险检测结果超过这个比例，学生就会收到警示，被要求进行修订；如果仍不达标，甚至可能不予安排答辩。这种量化的检测手段，旨在为AI的过度或不当使用划定一条清晰的红线。
在此基础上，许多学校还出台了更为细致和严格的“AI禁令”。这方面的典型代表是复旦大学，它专门针对本科生毕业论文发布了《AI使用规定（试行）》，其中明确列出了“六个禁止”。这些禁止项涵盖了从研究方案、算法框架、核心分析与结论等关键环节，到生成或篡改原始数据、实验图像，再到论文正文、致谢的文本生成及翻译润色。甚至连答辩委员会成员或评审专家使用AI都被纳入禁止范围，这显示出校方试图构建一个全方位、全流程的防护网。更进一步，复旦大学还要求学生在论文承诺书中详实披露使用的AI工具名称、版本、使用时间、具体用途及AI生成的内容，并且必须保留AI处理前的原始材料以备检查。这种详细的披露要求，大大提升了学术过程的透明度和可追溯性。
除了全面的禁止和披露，一些高校还采取了限额标注的方式，在允许有限辅助使用的前提下，要求学生明确标识。例如，北京师范大学新闻传播学院和华东师范大学联合发布了《生成式人工智能学生使用指南》，就要求学生将AI生成内容进行标红，并限定这部分内容不得超过全文的20%。而中国传媒大学则要求学生在论文中具体标注AI的使用方式、模型、版本和时间，并在相应段落注明生成过程。这些规定在强调AI辅助性的同时，也赋予学生一定的使用空间，但前提是必须公开透明。
总体来看，中国高校的策略是一种带有鲜明集体管理特色的体系：依靠统一的技术检测系统设定硬性指标，辅以详细的禁令限制关键环节的使用，并通过强制性的详细披露要求确保可查验。这种模式在快速形成管理框架、应对普遍性风险方面具有一定优势，但也可能存在灵活性不足、技术工具局限等问题。
国际高校：课程自主下的“导”与“议”
相较于我国高校的集中管理模式，国际上不少知名大学在AI使用管理上显得更为分散和灵活，更依赖于教师的专业判断、学生对学术诚信原则的理解与自觉，以及事后的追责机制。其核心逻辑更偏向于“课程级自主制定 + 学术诚信原则 + 强调披露与责任”，更倾向于将AI视为一种工具，较少采用全校统一的量化检测标准，侧重于通过课程层面的灵活规定和严格的学术不端定义来引导学生负责任地使用AI，将管理重点放在如何确保学生负责任地使用，而非全校层面的技术围堵。
许多国际名校将AI使用政策的制定权下放至课程或院系层面。例如，哈佛大学就没有全校统一的AI禁用令，而是要求各课程教师在课程大纲中书面明确是否允许使用AI、在哪些方面允许。斯坦福大学也持类似态度，如果课程教师没有明确规定，那么默认将AI协助视为他人协助，原则上不应用于主要作业。这种做法的好处是能够更好地适应不同学科、不同课程的具体教学目标和作业类型。
虽然政策制定相对分散，但在学术诚信这一底线上，国际高校的要求却异常严格且高度一致。未经授权或未按规定披露的AI生成内容，几乎都被明确界定为抄袭或学术不端行为。牛津大学就明确表示，在未经授权的考试或评估中使用AI属于抄袭。剑桥大学也将未授权的AI内容在总结性评估中使用视为学术不当行为。而伯克利大学对未披露的AI文本更是采取“零容忍”态度，将其直接纳入抄袭范畴。普林斯顿大学的规定也强调，如果获批使用AI，必须进行详细的“披露”而非“引用”，任何直接复制、错用或未披露的行为都属违规。
在披露要求上，国际高校也普遍重视，并且一些学校提供了具体的指引。加州理工学院的指导原则就高度强调“披露”，并要求记录使用方式。帝国理工学院的要求则更为具体，它建议所有评估作业在开头或结尾包含AI使用声明，不仅要注明工具名称、版本和用途，最后还需声明“此文为学生本人工作”，以强调学生的最终责任。这些要求旨在确保学生在使用AI辅助时保持透明，并对最终提交的工作负责。
殊途同归的挑战：技术、教育与监管的博弈
无论采取何种管理模式，AI在学术写作中的应用都带来了一系列共同的难题：
- 不利于培养独立思考能力：学生过度依赖AI，可能导致其批判性思维、独立分析和语言组织能力退化，这与高等教育培养高阶能力的宗旨背道而驰。
- 过度依赖技术检测：当前的AIGC检测技术仍在发展中，存在误判和易被规避的风险。国内高校普遍采用的40%阈值，可能无法精确区分合理的辅助与实质性的代写，学生也可能通过简单的修改来规避检测。
- “辅助”与“主体”界限模糊：尽管都强调AI是辅助工具，但在实际操作中，如何界定何种程度、何种方式的使用属于“辅助”而非“主体”，仍然是一个挑战。让学生详细记录每一次AI的使用细节，在执行层面也存在难度。
- 政策的滞后性：AI技术的迭代速度远超政策制定和更新的速度，高校的管理规定很容易陷入被动，难以跟上技术的发展。
- 教师的准备不足：有效引导学生使用AI，并识别潜在的滥用行为，需要教师自身具备相关的AI素养和应用能力。许多教师可能尚未做好充分准备。
面向未来：在引导与赋能中寻找平衡
面对这些挑战，高校的管理策略不应仅仅是“堵”，而更应是在“疏”和“导”上下功夫。这需要一个系统性的、动态调整的策略：
- 政策的灵活化与分级化：在保持学术诚信底线这一全校统一原则的基础上，可以借鉴国际高校的做法，赋予院系和教师更多自主权，根据学科和课程特点制定更为灵活和具体的AI使用指南。同时，建立政策的定期评估和动态更新机制。
- 评价体系的多元化：减少对单一终结性评估（如最终论文）的依赖，摆脱过度依赖AI检测系统及其量化阈值。增加过程性评估、口头汇报、开卷或基于项目的作业比例，鼓励学生提交研究日志、开题报告等，通过考察学生的思维过程、数据分析和表达能力，来降低AI代写的可能性，并促进学生的深度参与。
- AI素养教育的融入：将“负责任地使用AI”、“学术诚信与AI”等内容纳入学生的通识教育或专业课程中。教会学生如何将AI作为文献检索、资料整理、头脑风暴、语法校对等方面的有效辅助工具，同时强调其局限性和潜在风险，培养学生识别AI生成内容的能力和批判性思维。
- 强化披露的细节与可追溯性：借鉴帝国理工学院的详细声明要求，或者复旦大学保留原始材料的做法，要求学生在论文中更清晰、具体地说明AI的使用情况。可以考虑要求学生提交使用AI前的原始草稿或关键阶段文档，以增强过程的透明度。
- 加大教师的AI赋能培训：高校应投入资源，为教师提供AI技术和教学应用方面的培训，帮助他们了解AI的功能、风险，并探索如何在教学中整合AI，从而更好地指导学生，并提高识别滥用行为的能力。
生成式AI的浪潮已无法回避，我们不能允许那些根本不懂AI、仇视新技术的官员或教授们制订一刀切的政策，那样只能是螳臂挡车、且遗祸后人。中国高校与国际高校在应对策略上各有侧重，但也面临着相似的困境。重要的是，要将这场技术挑战转化为推动教育改革的契机。在坚守学术诚信底线的前提下，积极探索AI在教学和研究中的合理应用模式，通过政策引导、教育赋能和评价创新，培养出既能驾驭前沿技术，又具备独立思考和批判精神的未来人才。这才是我们真正需要思考和践行的方向。
Let's Make AGI Real 
留下评论