2026 年春季学期临近结束时，我处于 CS 240：C 编程（Programming in C）课程中围绕使用人工智能（AI）所引发风波中心。我处理此事的方式本应更好，这也是最终违反课程明确规定者几乎未受处罚的主要原因。我写这篇回顾，很大程度上是因为仍有不少学生来找我，说围绕该事件持续讨论中充斥错误信息和失实说法。课程规定明确禁止使用人工智能、大语言模型（LLM）解决任何作业。

学术诚信与 AI

2026年春季学期末，我因 CS 240（C语言编程）课程中涉及“AI”使用的问题陷入风波。我的处理方式本应更好，这正是那些违反明确课程政策的学生最终几乎未受惩处的主因。

我写此文主要是因为不断有学生来找我，提到关于此事的持续讨论中充斥着误导与不实信息。

政策与期望

首先要说清楚：2026年春季 CS 240 明确禁止用 AI/LLM 完成任何课程作业。大纲中写明（https://turkeyland.net/thoughts/images/ai/syllabus-240.pdf）：学生可一般讨论作业，但不可看他人作业。以下行为构成学术不端并可能导致得 F：

• 使用 ChatGPT 或其他软件程序化生成作业、测验或考试任何部分的答案

大纲还声明可能不会立即处理违规：若发现作弊，可能立即通知或静默收集后续证据。

讲座中也明确阅读大纲是学生责任，如下面 Lecture 1 幻灯片：

有人暗示这些要求让选课学生感到意外，此说毫无根据。除大纲外，我核对过该要求在至少五节课中反复强调。以下放部分幻灯片。注意有些未明提 AI，但幻灯片只是讲座起点。

2026年1月12日 Lecture 1 幻灯片：

1月14日 Lecture 2 再次讨论，幻灯片未提 LLM 但口头重申。1月21日 Lecture 3 提醒...

2月4日 Lecture 7 再次讨论，当时正开发 Argus 工具并关注特定标识符。

总之，学生始终被明确告知禁用 AI/LLM 完成作业，违者违反学术诚信。

另外，我们用 MOSS 查重，如往学期一样。整学期中，代码高度相似的学生被约谈并适时惩处。

Argus

有人误以为我们训练了自己的 LLM 来识别违规。没有。开发的工具 Argus 使用静态分析找出那些在学生源码中出现却极难合理解释的指标。

夏天我们写了相关论文（arXiv 2609.36073 或本地 https://turkeyland.net/research/argus-preprint.pdf），投 SIGCSE 2027 未中，同行评审见 https://turkeyland.net/research/argus-reviews。论文显示该工具用于早期学期时，那些指标在2024年前几乎不存在，之后迅速增加。

数据分析表明 H-score 准确度高。详尽指标列表不公开以免降低工具效用，教育工作者可联系 jeff@cs.purdue.edu。

Argus 只是起点，每例至少一人复核。我们只追查证据清晰且无解说的案例，最终在584名被识别学生中标记267人（约45.7%）。

酝酿

Argus 约2026年3月中可用。3月23日我组建“AI学术诚信”（AIAI）小组。之后筹备流程时，我想起 CS 159 的历史做法：教师邮件通知违规学生，让其承认责任。附2017年秋一封邮件为例：信中称作业高度相似被软件识别，承认违规接受零分则案件了结并向院长办公室提交良好报告；申诉需会面，否认或捏造将获不利报告。4月13日会议我决定用类似表单，希望自我举报减少案件量。

基于该邮件我创建了下表单。favorable/unfavorable 措辞源于此。某些学生纠结停学或开除可能，但教师无权且初犯通常不致此，我未在沟通或表单提，仅在讲座略提院长可能考虑。

流程

4月16日，我发出主题“[CS 240] 学术诚信违规 - 需回应”的邮件：

经分析和人工审查，认定你作业有 AI/LLM 生成明确指标，违反政策。须在4月20日17:00前填表（https://endor.cs.purdue.edu/~cs240ai/index.php）。不回应得 F，即使退课也须回应，否则给院长不利信及进一步处分。

表单截图如下：

春季 CS 240 初始注册599人，发邮件时65人退课。邮件发给207名在读生，另60名已退课生收类似邮件，共占约45%。大纲标准惩罚为 F，但首次轻微违规通常给0分并扣课程等级。因工具部署晚，我进一步减轻为仅相关作业0分。

大学干预前，117人填表，108人担责，9人争议。144人退课。次日我见十余学生，皆道歉，有人感谢。

反弹

同时有人（家长学生等）联系系主任和院长。校报 Journal and Courier 和 Purdue Exponent 报道，我被禁言但最终接受校报采访，我是校报基金会董事但不影响报道。

讨论与担忧

周末与院长 Lucy Flesch 和系主任 Drineas 多次会面，两主忧：表单时机格式或迫学生；学期末难保正当程序。另一忧部署晚使学生失初犯轻罚机会，我不太同情因政策明。正当程序我有申诉机制不忧。最共鸣无辜学生受压，非本意。时机刻意是为退课截止前给退课选项。表单要自报用LLM作业而非仅列我们识别的，可能造成问题。

决议撤销追溯使用，之后用工具，之前忽略，退课可重注。我周日建言可重交作业给不完全分，但周一维持原决议。

决议

有人煽动外人来听课，TA志愿者限入口，消防人员在场。我谢过。强调仅为安全与课堂环境，不控信息，甚至允学生直播。

课始展示幻灯片：

讲荣誉守则、MOSS、担忧与决议。强调我不能开除。只针对明显异常，引富兰克林“宁纵百罪犯勿冤一好人”。最终弃追溯，后用工具。144退课中74重注。

展示 TA 做的两张幻灯片显示期中成绩差异：

第一次差10.75%，第二次14.5%。论文有详析。用LLM学生考差证据强，多处研究如 MIT Paper（arXiv 2506.08872）佐证。

收获

我处理应更好，流程应明列作业并个别会面。时机不幸，工具宜学期初部署，近退课截止不明智。向无辜受压学生致歉。仍信多数被识学生作弊，因我们看了代码。若你是那些学生，违荣誉 pledge，但我无评判，望改。引校报结语“努力没作弊学生看同学无后果离开，我无答案”是我大憾。

欣慰：数据示作弊者分低；识别<50%；助学生悟捷径害。另一得：压力下决议，我应更从容。Argus 后续学期沿用。

多数人批评教授反 AI 作弊的处理方式，认为从中衍生出的禁令和指控流程本身就是在伤害正常教学；少数人强调课纲白纸黑字、学生明知故犯，教授并无不妥。分歧主轴是「该不该把 AI 使用当成纪律问题」与「大学教育要不要适应 AI 时代」两件事被混在一起。

认为指控流程形同逼供，程序正义站不住脚

• 通知表名义上给申辩机会，实际用更重的后果堵死申诉：不回应整门课 F，回应后被驳回也是整门课 F，那分析既然确信，直接判 F 就好，何必发信（较多人）
• 连「没保护好自己作业」都可能被追责，被指为权力越界；即便支持全面禁 AI 的人也认为这条过头（较多人） > 如果教授对分析有足够信心才发出这封信，那收到信的学生就该直接拿 F，根本不该有这封信。（@djoldman）

认为禁止学生互相讨论、禁用课外概念是糟糕的教学政策

• 「完全不要看同学作业、不要和同学合作」被指与学习的本质相反；人类通过讨论、解释和互相帮助学习，分享思路不等于抄袭（较多人）
• 因为学生用了 malloc、sizeof、fgetc 这类课外内容就推断「你大概在作弊」，把好奇和超纲探索当成了罪证（较多人） > 我不管他们的人工智能政策是什么，我对他们这套「人类智能政策」的反对再强烈也不为过。（@vintagedave）

认为教授的防御姿态缺乏共情，把「技术上正确」当成了教育

• 嘴上说不对学生作评判，下一句就是「我们都会犯错、都会做糟糕的选择」，实际仍在评判（较多人）
• 引用「宁可放过一百个有罪者也不愿一个无辜者受苦」，却把法庭逻辑搬进教室；若半数学生越线，该反思的是方法而不是加码规则（较多人） > 感觉作者就是那个「其实吧」的表情包，努力证明自己技术上正确，而不是去理解学生，做教育的人这样反而更显不成熟。（@personjerry）

认为问题根源是带回家作业本身已失效，应改为现场考核

• 有 AI 在场，课后作业评分没有意义，作弊手段也在不断进化；编程课不如用纸笔或断网机器，现场写、现场判（高赞）
• 口试更能看出学生是否真懂，还逼他们把问题讲清楚；欧洲高校本就常用口试（较多人）
• 但口头答辩的规模是硬约束：助教带 90 人已经吃力，500 人几乎无法操作（少数人） > 他们可以随便在平时作弊，期中期末一到，一切都会清楚。（@0xbadcafebee）

认为大学课程落后于行业，应教学生如何与 LLM 协作

• 课程在惩罚 AI 使用，但学生上班第一天面对的正是 LLM 提示；学校没教他们怎么用，出去反而吃亏（较多人）
• 大学若想职业导向，就该教编排和工具使用，而不是继续教已经过时的技能；若坚持非职业导向，就别再宣传学位能带来更高收入（少数人） > 我读 MBA 时想用精益创业那套，却因为没有论文可引而只能写没人真正在用的商业计划——学术适应得太慢，学生就被教了没用的东西。（@marcus_holmes）

认为规则事先说清，违规者就该承担后果

• 课纲开头写得极其明确，学生不尊重规则、只想试探底线，后果自负；课程规则虽怪，但作业范围不大，也只是众多课中的一门（少数人）
• 学术不诚实就该零容忍，院系介入替学生减轻后果是典型的和稀泥（少数人）
• 在 C 语言入门课都要作弊的人，本来就没学到东西，将来被 AI 取代也不奇怪（少数人） > 课纲写得非常清楚，学生没有尊重它，而是决定看看自己能钻到什么空子。（@dbalatero）

认为大规模作弊是系统性问题，技术手段解决不了

• 只要规则建立在「相信学生会自觉」上，就是在奖励作弊者、惩罚诚实者；还不如鼓励学生用 AI 学习，改在受监督的环境里考核（较多人）
• 水印之类手段收效甚微，技术无法解决政治问题；四成同学作弊、四成同事作弊，问题出在屋子内部（较多人） > 技术从来不能百分之百、甚至不能百分之五十地解决一个政治问题。（@doctorpangloss）

有价值的补充

• 一位助教在私立工程学校带 toy kernel 项目，政策其实只是「不要提交你不理解的代码」，为此加了学生坐下来当面讲代码的环节——「理解」比「禁用」更好操作，也更难伪装。
• 口试在欧洲更普遍，其价值不只是防作弊，还迫使学生把问题讲清楚，比自动评分器更能暴露真实理解程度。
• 教授为「确保场地不超容量」提前通知消防局长，这个细节被社区当成整件事荒诞感的缩影反复调侃。