帝国理工AI作弊一年暴增500%,有学生直接被开除!

最近，一位朋友把一份帝国理工内部报告截图发给我，上面记录了因AI使用不当而触发学术不端调查的案例数据，有学生甚至因此被开除，让人触目惊心。

PART.01

数据曝光

帝国理工AI学术不端频发

这份报告，是帝国理工学院在2026年3月罕见主动公开的——《AI Academic Misconduct Cases 2023/4–2024/5》。

里面的数据显示，帝国理工AI学术不端案例总量，一年内从4例跳升至24例，增幅整整500%。

AI学术不端案例在各个学院全面爆发：

工程学部：

一年内从1例暴增到 15例，暴增1400%，单学部就贡献了全校超过六成的案例。工科学生，作业量大、项目多、DDL密集，AI工具的使用比其他专业更频繁、更深度，这几乎是公开的秘密。用得越多，越容易在某一个节点上，踩过那条模糊的红线。

更深层的问题是，AI对工科就业市场的冲击，和AI在工科教育里的滥用，几乎在同步发生。一边是大量科技公司缩减初级工程师招聘，理由就是AI可以承担部分基础任务；另一边是工科学生借助AI完成作业、项目报告，但真正的底层能力却没有得到锻炼。结果就是：拿着一份工程学位，但在面试里答不上深度技术问题；或者进了公司，发现自己很快会被AI工具替代。

医学部：

从 3例增加到 8例，涨幅近170%。

商学院：

此前零案例，今年也首次出现。

自然科学学部：

只有自然科学学部目前尚未发现类似案例。

已被正式认定（Proven）的案例数量，同样从2例增至12例，翻了整整6倍。

更让很多家长心里一沉的是，有1名学生，直接因为AI学术不端被学校开除了。这是帝国理工对AI学术不端第一次动用最高处罚。除此之外，还有5名学生遭遇“整个模块零分”（F级处罚），3名学生的“整年成绩被清零”（G级）。

可以IC对AI学术不端的的处理是非常坚决的，超出很多学生和家长的想象。

但问题来了——帝国理工对AI的使用，到底划了哪些红线？

PART.02

帝国理工的AI政策

听起来弹性，却容易踩雷

很多同学觉得英国大学对AI使用的政策是挺宽松的，毕竟学校没有全面封禁AI工具。

这个想法，很危险。

以帝国理工为例，大学把规则制定的权力下放给了每一位课程负责人。每门课怎么用、用到什么程度、需不需要标注引用，全部因课而异。官方表述是：课程负责人拥有自主权，可以在学校框架内制定本课程对AI使用的具体规则。

这种弹性授权听起来友好，但其实意味着每门课的规则都不一样，学生必须主动去确认。

你以为这门课可以用AI辅助？实则老师可能要求的是100%原创。你以为使用AI无需声明？实则课程老师可能要求详细写引用声明。你觉得AI只是帮你润了个色，无伤大雅。但可能老师已经用上了Turnitin的AI检测功能。

以上每一种情形，都可能触发学术不端指控。

帝国理工等英国顶尖大学，都已经持有Turnitin的AI检测功能授权，虽IC目前还没有全校强制推行，但官方声明指出，会"在认为必要时使用任何技术工具作为证据"。

目前帝国理工对AI学术不端的处罚体系分为A到H共六档：

A级：口头警告
D级：该次作业零分，补考成绩上封顶（Pass）
E级：整个模块零分，补考同样封顶
F级：模块零分，无重考机会
G级：整学年成绩全部零分
H级：模块零分 + 无学分 + 无法毕业 = 实质性开除

2024/25学年，H级处罚首次落地。帝国理工对AI学术不端的容忍度，正在肉眼可见地收窄。

那么问题来了：AI都不能用了吗？当然不是。

剑桥大学本科申请官网有一个专门页面，标题就叫 “AI and undergraduate applications”。里面说得非常明确：学生可以适当地使用 AI 工具来支持个人学习、研究和形成性作业；但如果在正式考试评估中，把未经说明的 AI 生成内容当作自己的作品提交，就构成学术不端。

PART.03

AI时代

名校对申请者提出了更高要求

AI对高校的冲击早已体现，帝国理工为此进行了系统性调整，例如：

大幅提升线下笔试比例，全程人工监考，物理上阻断学生使用AI工具的可能性。

在校内推行"Assessment Stress Testing"工作坊，培训大学讲师和教授如何识别AI作弊漏洞和痕迹。

在硕博阶段大量采用viva voce（口头答辩）作为主要考试方式，单纯的他提交论文已经不能满足现在的名校考试要求。

将"AI素养教育"纳入学生的必修课体系，让学生清晰了解学校的红线在哪里。

所以大学不会封禁AI，而是要找出那些能在AI时代真正独立思考、真正具备高阶能力的学生。

申请层面同样如此。

一份没有任何真实项目经历支撑的申请，放在今天竞争激烈的池子里，已经越来越难打动招生官。

Reddit上有一则 Cambridge CS offer holder 交流帖，一位拿到 St John’s College 计算机科学 offer 的学生回顾自己的 super-curriculars。他提到自己做过 machine learning 相关 internship，刷了大约 50 道 Project Euler，做过一个关于 AI sentience 的 EPQ，还参加过编程竞赛；当别人追问竞赛让他学到了什么时，他提到的是 Dijkstra、BFS、在压力下快速解决问题。

另一位同时获得 Cambridge 和 Imperial 面试的学生提到，自己做过的 side projects 包括自己写 compiler、做 quantum computing research journal，再加上两段 work internship。

真正能从材料堆里被记住的，是那种有独立判断、有真实研究经历、能说清楚"我做过什么、我为什么这样想"的申请者。