一个学生交上来的课程论文，概念准确，结构严密，语言流畅，参考文献一应俱全。单看文本，老师几乎挑不出毛病。

可是当老师问他：“你为什么采用这个理论？”“第三部分的结论是怎样推出来的？”“如果改变一个前提，你的判断是否还成立？”学生就沉默了。

他交出了一份优秀作业，却未必拥有这份作业所呈现的能力。

这正是生成式人工智能给大学带来的真正冲击。问题已经不只是学生会不会利用AI作弊，而是传统书面作业难以证明：这究竟是学生本人掌握的知识，还是机器替他组织出来的答案。

当一篇论文不再足以证明一个人的能力，中国高校必然会寻找新的验证方式。未来几年，口试、答辩、现场追问和个人陈述，很可能从少数专业、毕业论文和研究生复试中的特殊环节，逐步进入普通课程的考核体系。

长期以来，中国高校最常见的课程考核方式大致有三类：闭卷考试、课程论文和小组作业。

闭卷考试成本较低、便于统一评分，却容易把学习变成知识记忆；课程论文可以考查综合分析能力，却存在抄袭、代写和拼凑问题；小组作业强调合作，但经常难以识别每个学生的真实贡献。

生成式人工智能出现以后，后两种考核方式的弱点被迅速放大。

过去，学生即使要拼凑一篇论文，也必须查找资料、筛选段落、调整结构。现在，只要把题目、字数、理论框架和格式要求交给AI，几分钟内就能生成一篇“像模像样”的文章。经过几轮追问和修改，文本还可以变得更加完整、更像学生本人。

AI甚至能够根据教师的评分标准反向生产作业。教师要求“观点明确”，它就生成中心论点；要求“理论联系实际”，它就安排案例；要求“体现批判性思维”，它就在结尾加上一段局限性分析。

学生越来越容易得到一份符合评分规则的产品，却可能绕过形成能力所必需的认知过程。

2026年，《光明日报》与中央民族大学师生团队对全国400余所高校本科生开展调查，受访者中使用过AI工具的比例达到99.14%。另一项针对全国20所高校12678名本科生的研究，将24%的受访学生归为“劳动替代者”：他们对AI的批判性使用水平相对较低，却对AI带来的能力提升抱有较高预期。

这些调查不能证明所有学生都在滥用AI。事实上，AI可以帮助学生解释概念、练习语言、检查代码和寻找思路。但它说明了一种不可逆转的现实：AI已经不是少数人的特殊工具，而是大学学习环境中的基础设施。

但是，传统大学考核建立在一个隐含前提上：学生提交的作品，大体能够代表学生的能力。论文写得好，意味着他善于分析；代码运行成功，意味着他理解算法；研究报告结构完整，意味着他掌握了研究方法。

AI使这个推断变得不再可靠。一名学生可能完全理解自己的论文，只是利用AI润色语言；也可能贡献了观点，让AI帮助整理结构；还可能只输入题目，随后把生成结果原封不动地提交。这三种作业表面上都很流畅，背后的学习含量却完全不同。

问题在于，教师仅凭最终文本，很难准确区分它们。

英国雷丁大学研究人员曾把完全由GPT-4生成的答案，混入本科心理学课程的真实评分系统。结果，94%的AI答案没有被识别出来；而且在大部分被测试课程中，AI答案的成绩还高于真实学生。

这项研究发生在英国，也不能简单推导中国高校的情况。但它揭示了一个具有普遍性的风险：当教师只看到最终作品，看不到作品的形成过程，评分对象就可能在不知不觉中发生变化。

教师以为自己在评价学生，实际上评价的可能是学生、模型、提示词和训练数据共同组成的临时系统。因此，AI时代的大学考核必须回答两个不同的问题：第一，这份作品的质量怎么样？第二，学生本人究竟掌握了什么？书面作业适合回答第一个问题，口试更适合回答第二个问题。

口试最重要的功能，不是检查学生是否背下了标准答案，而是把思考过程重新呈现在教师面前。

教师可以问：“请用自己的话解释这个概念。”“你的数据为什么能够支持这个结论？”“这段代码如果更换输入条件，会出现什么结果？”“你的论证中最薄弱的一环是什么？”“如果反方观点成立，你准备怎样修改结论？”

AI可以帮助学生提前生成一篇论文，却难替学生预先覆盖所有追问。学生是否真正理解、能否迁移知识、是否发现了AI的错误、能不能在条件变化后继续思考，往往在几分钟的对话中便会显现。口试检验的不是学生有没有接触AI，而是他有没有取得对最终答案的控制权。这也是中国高校未来重视口试的根本原因：它不是简单的反作弊工具，而是一种能力认证机制。

中国传媒大学2026年发布的本科毕业论文人工智能使用细则，已经明确要求学生在答辩中充分解释研究过程与思考，答辩组应验证论文原创性，综合评价学生的专业知识、应用能力和创新能力。深圳大学同年发布的指导意见提出，学位论文答辩原则上应设置人工智能工具使用质询程序，申请人应提供可以追溯或者验证的依据。这些规定主要针对毕业论文，但其逻辑完全可能向普通课程延伸。

但是，讨论口试，不能忽视中国高等教育的规模。

教育部数据显示，2025年全国各种形式的高等教育在学总规模达到4872.57万人，高等教育毛入学率为61.3%；全国高等教育专任教师222.36万人，普通本科学校生师比为16.96∶1，高职院校为18.46∶1。

实际教学中，一名教师面对几十名甚至上百名学生并不少见。如果每门课程都进行半小时口试，高校在人力和时间上根本无法承受。

因此，中国高校未来出现的不会是“所有课程取消论文，全部改成口试”，而更可能是几种混合形式。

第一种是“书面作业加微型答辩”。学生照常提交论文、报告或者代码，教师再用三到五分钟随机追问，验证其是否理解关键内容。

第二种是“小组展示加个人提问”。小组可以共同完成项目，但展示结束后，教师随机指定成员解释某个环节，防止小组作业变成少数人劳动、全体成员共享分数。

第三种是“抽样口试”。并非每名学生、每次作业都参加，而是随机抽取一部分学生，或者对成绩异常、作业风格突变、内容高度雷同的作品进行复核。

第四种是“过程材料加期末答辩”。学生保留选题记录、实验过程、代码版本、AI对话摘要和修改说明，期末再围绕这些材料接受质询。

第五种是“实践操作加现场解释”。理工科学生不仅要让程序运行，还要现场修改参数；医学和师范专业不仅要提交方案，还要完成情境演示；人文社科学生不仅要提交文章，还要回应反方观点。这些形式并不要求彻底禁止AI，而是要求学生把思考过程变得可见。

有人会担心，口试最终会不会变成对外向型学生的奖励。一个能言善辩但理解肤浅的学生，可能比一个真正有思考却不善表达的学生得到更高分。这种担心完全合理。如果口试没有明确标准，只凭教师印象评分，它很容易受到口音、性格、紧张程度、师生熟悉度甚至个人偏好的影响。口试还可能带来新的应试训练：学生背诵AI生成的答辩稿，再把现场交流变成另一种表演。因此，口试要成为可靠的评价方式，必须经过制度化设计。

题目应围绕学习目标，而不是随意刁难；不同学生面对的问题应保持基本难度一致；评分标准应区分知识理解、证据运用、逻辑推理和临场修正；重要考试应由两名以上教师参与；过程应当录音录像，并建立复核和申诉机制；对于语言障碍、听力障碍、严重焦虑等特殊情况，也应提供合理调整。更重要的是，口试不能只考“说得是否流畅”，而应考学生是否拥有对知识的控制能力。

所谓认知所有权，是指一个人不仅能给出结论，还能解释结论是怎样形成的；不仅知道答案，还知道证据有什么局限；不仅可以使用AI，还能够发现AI在哪里犯错。未来高校真正需要确认的，不是“这篇文章的每一个字是不是你亲手敲出来的”，而是：这篇文章中的核心判断是不是你的？你是否检查过AI提供的事实？你为什么接受其中一些建议，又拒绝另一些建议？如果AI的答案与原始材料冲突，你相信谁，依据是什么？如果离开AI，你能不能继续完成下一步推理？这比简单检测一篇论文的“AIGC率”更接近教育的本质。

目前，一些高校已经在毕业论文环节引入AIGC检测。它可以作为风险提示，却很难成为判断学术不端的唯一证据。语言模型不断升级，学生可以通过改写、翻译、分段生成和人工调整降低机器特征；与此同时，人类写作也可能被误判。尤其是语言规范、句式整齐的学生，反而更可能因为“写得像机器”而受到怀疑。如果高校把主要精力放在检测上，就会形成一场没有终点的竞赛：学生研究怎样绕过检测，学校购买更昂贵的检测系统，模型随后继续升级。

教育最终关心的却不是谁在技术对抗中获胜，而是学生是否真正形成了能力。与其费力判断一段文字有多大概率由AI生成，不如让学生解释它。检测算法关注作品的语言指纹，口试关注学生的知识结构。前者可能随着模型进步迅速过时，后者始终有效。

2026年，教育部等五部门印发《“人工智能+教育”行动计划》，提出推动项目式、探究式、场景式育人，引导学生学会思考，培养胜任智能时代的能力。“学会使用AI”和“避免被AI替代”，并不是两个相互冲突的目标。一个真正具备AI素养的学生，不是能够让模型迅速生成答案的人，而是能够提出高质量问题、辨别错误、检查依据、修正输出并承担最终责任的人。

因此，未来中国高校的评价体系很可能发生三个变化：从只看最终答案，转向同时观察思考过程；从要求学生独立于工具完成一切，转向考查人机协作能力；从默认作品代表学生，转向通过口试、实践和答辩验证作品与学生之间的真实联系。论文不会消失，笔试也不会退出。真正改变的是，它们将不再享有过去那种未经质疑的证明力。

未来，一篇高分论文之后，可能会跟着五分钟答辩；一个运行成功的程序之后，可能要求学生现场修改；一份漂亮的商业方案之后，可能要回答成本上升、政策变化和竞争者进入时怎么办。因为在AI时代，大学不能只认证一个学生能够提交什么，还要认证他能够解释什么、判断什么，以及在没有标准答案时能够独立承担什么。

过去，大学考试主要防止学生不知道答案。今天，大学面对的新问题是：学生可能随时获得答案，却不知道答案为什么成立。这是一种比知识匮乏更加隐蔽的危险。一个不知道答案的人，至少知道自己不会；一个拥有完美答案却不理解它的人，则可能误以为自己已经掌握了一切。因此，口试在中国高校的回归，不是向古老教育方式倒退，而是AI时代的一次制度回应。

它不应成为审讯学生有没有使用AI的工具，也不应成为教师随意评分的新权力。它真正要恢复的，是作品与作者之间、答案与理解之间、文凭与能力之间的联系。