TL;DR：Strömberg、Lei 与 Wu 在 2026 年 6 月发布的 CEPR 讨论论文，分析中国中部一个县 26,811 名 7—12 年级学生的 30 个月数据，估计采用生成式 AI 六个月后，作业成绩约提高 18%、完成时间约减少 30%，月度闭卷考试成绩却约下降 20%。论文还称，学习损失主要集中在行为符合“作业外包”的约 80% 使用者；但这不是随机试验，采用时间来自回溯调查，样本也只有一个县，不能把结果写成“AI 必然让所有学生退步”。
一份作业交得更快、答案更好看，通常会被视为学习进步。生成式 AI 进入作业以后，这个判断可能不再可靠：作业衡量的，越来越像学生和工具共同完成任务的能力；闭卷考试测到的，仍然是学生离开工具后能独立运用多少知识。
这项研究最有价值的地方，不是给 AI 教育判死刑，而是把“完成任务”和“形成能力”拆成了两个指标。它还留下一个重要反例：使用 AI 但没有大幅减少作业时间的学生，论文观察到的学习损失较小。
🎬 视频版（B站） ｜ 🎧 音频版（7 分 09 秒）｜ 🟢 Spotify 订阅 ｜ 📖 偏好阅读？文字版就在下方 👇
这项研究到底观察了什么
论文题为 The Generative AI Learning Penalty: Evidence from Chinese Secondary Education，作者是 David Strömberg、Victor Lei 和 Yanhui Wu。CEPR 将它作为第 21577 号讨论论文发布，页面日期为 2026 年 6 月 2 日。
研究对象来自中国中部一个县，共 26,811 名 7—12 年级学生。数据覆盖 2022 年 9 月至 2025 年 6 月，持续 30 个月，包含九个学科的三类记录：
- 数字作业平台上的成绩和完成时间；
- 每月闭卷考试成绩；
- 中考和高考成绩。
研究者没有随机指定谁能用 AI，而是利用学生在不同时点开始使用生成式 AI 的差异，采用交错采用双重差分来估计变化。学生的采用时间来自 2025 年进行的回溯调查，研究者要求他们查看应用注册日期后回答。
因此，这是一项规模很大的观察研究，不是随机对照试验。它比一次问卷更接近真实长期使用，却仍然可能受到自报误差、采用者差异和无法观测因素影响。
《听懂 AI》第 017 期节目封面。节目从“作业高分、考试下降”的反差切入，本文进一步核对了论文方法、结果与外推边界。
三个指标朝着相反方向走
论文报告，采用生成式 AI 六个月后，学生作业成绩相对基准均值约提高 18%，单次作业平均完成时间约从 64 分钟降到 45 分钟，相当于减少约 30%。
如果只看作业报表，这是一轮很漂亮的效率提升。可在同一时期，月度闭卷考试成绩的估计值约下降 20%。论文称，这项损失在采用后的六个月里逐步扩大，而不是完成一次 AI 作业后立刻出现。
图中数字均为论文作者的估计，不是对所有学生的固定预测，也不是原始分数直接增减 18 或 20 分。
“下降 20%”尤其容易被误读。它是论文模型对样本平均结果的估计，不能理解成每个使用 AI 的学生都从 100 分掉到 80 分，更不能直接外推成智力或认知能力下降 20%。
这组数据说明的是：在这一个县、这段时间和这套评估中，AI 辅助下的作业表现与无辅助考试表现明显分离。
“作业外包”是根据行为推断，不是逐题监控
研究者把非常短的作业时间与很高的作业分同时出现，解释为行为符合 homework outsourcing，也就是“作业外包”。CEPR 摘要称，学习损失主要集中在约 80% 的 AI 使用者中，他们的行为呈现这种特征。
这里的措辞必须谨慎。研究并没有录屏检查每名学生是否复制了答案，也没有逐题判断 AI 替学生完成了多少思考。“外包”是根据完成时间与成绩分布作出的机制推断。
论文讨论了一个醒目的时间区间：非 AI 学生完成作业通常至少需要约 50 分钟，而不少 AI 使用者在 20—50 分钟内完成，作业分高，考试分却低。研究者认为，工具省掉的不只是查资料和机械输入，也可能省掉了提取、试错、修正和重新组织知识的过程。
这不代表“坐满 50 分钟”就能自动学会。作者也明确提醒，作业时长与考试成绩之间的关系不是随机因果结果，强行把作业拖长未必有效。时间在这里更像一项过程信号，而不是教育处方。
最重要的反例：保住学习投入的人损失较小
CEPR 摘要没有把所有 AI 使用方式归为一类。它特别指出，作业完成时间与非 AI 学生相近的使用者，学习损失较小。
论文对 50—65 分钟重叠区间的分析显示，两组学生的考试成绩中位数和四分位距相近。这个结果支持一种更窄的解释：生成式 AI 主要替多数使用者减少了学习时间，却没有明显降低那些保持相近投入者的学习效率。
它不等于已经证明“辅导式 AI 一定有效”。愿意继续投入较长时间的学生，可能本来就在动机、自控或学习策略上不同；观察数据难以排除这些差异。但它至少反驳了“只要碰 AI 就会损害学习”的简单结论。
问题不只是“用了没有”，而是工具在任务里承担了什么角色：
- 直接给出可提交答案，替学生完成主要推理；
- 只给提示，让学生继续尝试；
- 检查已经完成的答案，指出漏洞；
- 充当口试官，追问学生为什么这样做。
前一种方式优化交付，后三种方式更有机会保留练习。论文直接观察到的是时间、成绩与采用行为，具体交互策略仍需要更细的实验验证。
为什么闭卷考试仍然值得看
HN 讨论中有一种反驳：现实工作允许使用 AI，学校为什么还用不能带工具的考试衡量学生？这个问题成立，但不能因此把闭卷结果全部丢掉。
如果教育目标只是按时交付一个结果，AI 辅助作业已经能测到这种能力。如果目标还包括理解概念、发现错误、把方法迁移到新题和在工具失效时独立判断，就需要一种把外部帮助暂时拿走的评估。
闭卷考试不等于完美测量学习。题目质量、应试训练和考试焦虑都会影响成绩。不过在这项研究里，月度闭卷考、中考和高考提供了与作业不同的视角：它们不再允许学生把生成式 AI 的输出直接当作个人能力。
论文还报告，使用满约两年的学生中，中考与高考成绩的估计降幅分别约为 24% 和 18%。CEPR 摘要把两项高风险考试的完整损失描述为大约两年后才显现。这里同样是样本平均估计，不是每位长期使用者都会出现的固定结果。
为什么尖子生也可能损失更多
研究发现，学习损失在初中生、高成绩学生和男生中更大；学科上以社会科学最大，其次是 STEM 和语言类。CEPR 摘要确认了这个排序，详细分组幅度则来自论文分析。
“成绩越好，跌得越多”与不少职场 AI 研究中低技能者受益更多的结果不同。一个可能解释是，高成绩学生原本能从高质量练习中获得更多，一旦把练习环节交出去，失去的也更多。
这只是机制解释，不是论文已经证明的心理过程。它也不能推出“尖子生不该使用 AI”。更稳妥的含义是：过去成绩好，不能保证一个人天然免疫于认知外包。
研究做了哪些核对，又留下哪些缺口
为了排除“本来成绩就在下降”的解释，论文检查了采用前趋势；为了减少各校命题差异的影响，又使用全县统一试卷重估，研究包记录的降幅约为 23%；研究者还用采用前的 2022 年中考成绩进行安慰剂检验，结果接近零。
这些检验提高了结果的可信度，但不会把观察研究变成随机试验。发布这组数字时至少要保留四项边界：
- 样本只来自中国中部一个县，不能代表全国、大学生或职场人；
- AI 采用时间来自回溯自报，注册日期也不等于每次实际使用；
- 研究主要观察“是否采用、用了多久”，无法完整还原每次人机互动；
- 2022—2025 年间工具能力和使用习惯持续变化，结果不一定原样适用于未来产品。
论文目前是 CEPR 讨论论文，并不是一项已经由多地随机试验反复验证的教育定律。它给出了重要的长期风险信号，也给后续研究留下了明确任务：随机比较答案式、提示式、反馈式和口试式 AI，分别测即时表现、延迟记忆和迁移能力。
学校和个人应该改变什么
第一，不再把 AI 可参与完成的作业分数直接当成学习成果。作业仍可以用于练习和反馈，但需要另设无辅助的小测、口头解释、现场演示或新情境迁移题。
第二，保留过程证据。让学生提交第一版思路、错误记录、修改理由和对 AI 建议的取舍，比只看最终答案更能判断学习是否发生。
第三，把 AI 设置成不给完整答案的辅导员。可以要求它一次只给一个提示、先让学生解释当前思路、针对错误追问，或者连续进行多轮口试。HN 用户提出的“让 AI 追问五轮”属于社区建议，不是论文验证过的干预方案，但很适合用来暴露只会复述、不理解原理的情况。
第四，定期做一次无辅助复现。对学生是闭卷题和口头讲解；对程序员、分析师和写作者，则可以是离开 AI 后解释方案、找出错误、从空白开始完成一个缩小版任务。
这项研究给职场的类比属于编辑性延伸，不是论文结论：交付数量、周转速度和成品质量，像作业分；隔几个月后还能否独立判断、复现与质疑，才更接近无辅助考试。如果报表只记录前者，团队可能在产出越来越漂亮时，才发现独立判断能力已经下降。
收看本期节目
原始资料与延伸阅读
本文由《听懂 AI》第 017 期整理而成，研究状态核对至 2026 年 9 月 3 日。核心数字来自 CEPR 讨论论文 DP21577 及其摘要，属于作者对单一县域观察数据的估计；SCMP、《经济学人》和 PPC Land 用于核对报道语境，HN 评论仅作为社区观点。关于学校与职场的建议含编辑性归纳，不是论文已经验证的干预效果。
- David Strömberg、Victor Lei、Yanhui Wu，CEPR，2026-06-02：The Generative AI Learning Penalty: Evidence from Chinese Secondary Education——论文摘要、作者、样本、识别方法与主要结果。
- SSRN：The Generative AI Learning Penalty: Evidence from Chinese Secondary Education——工作论文页面与版本入口。
- The Economist，2026-08-18：Does AI stop children from learning?——本期选题的主要报道原文之一。
- Zhang Tong，South China Morning Post，2026-07-14：AI homework tools cut exam scores by 20%, study of 26,000 Chinese students finds——研究数字、工具使用率与“流利感错觉”的报道。
- PPC Land：Students who use AI for homework lose 20% of their exam scores——作业指标失真与职场类比；属于二次解读。
- Hacker News：AI boosted homework scores, then exam scores dropped: study——对考试意义、因果识别、50—65 分钟重叠区间和 AI 口试的社区讨论。
- Fortune，2026-07-21：Study finds AI boosted homework scores 18%—then tanked exam results 20%——面向大众的研究报道；标题语气较强，本文没有沿用其确定性归因。
资料说明：SSRN 页面与《经济学人》原文在本次整理环境中受访问限制，关键数字改由可访问的 CEPR 官方摘要、SCMP 报道和项目内研究摘录交叉核对；未将无法直接核验的页面细节写入正文。