CMU 教授：AI 能做完所有作业后我如何重构课程考核
AustinZHenley · x · 2026-09-25
CMU 教授 Christian Kästner 撰文回顾他如何在 AI 能完成全部作业后重新设计《Machine Learning in Production》课程（100-170 人规模的 MLOps 高阶课）的考核体系。
关键脉络：
- 早在 2021 年 ChatGPT 出现前，Vincent Hellendoorn 就建议他用 GPT-3 测试课程阅读测验，结果模型没读论文也能给出通过评分标准的答案，但当时他未做改动。
- 五年后 AI agent 已能完成所有课后作业，他重设计了大部份考核方式，而学习目标几乎未变——因为课程关注工程权衡、风险预判与团队协作，而非写代码本身。
- 核心策略：不再用任何在家完成的任务来检验理解，改为与助教的面对面交互、现场考试、视频演示。
- 他坦言部分改动违反循证教学法最佳实践，但仍然执行；学生被允许在任何场景无标注地使用 AI。
- 他提醒：如果是导论课或传统软工课，学习目标可能需要大幅重写，改革幅度会大得多。
「漫话AGI」频道最新
- 创业者感慨:当今系统性惩罚高风险探索,通才成负 EV 策略 — felpix_ · 2026-09-25
- 我们是否高估 AI 短期冲击、又低估其长期影响？ — EnvironmentalDay8864 · 2026-09-25
- Beff Jezos 称文科生恨技术圈十年不过是嫉妒影响力 — beffjezos · 2026-09-25
- 观点交锋：对齐目标下的 AGI 反而会主动寻求摆脱技术官僚控制 — examachine · 2026-09-25
- Theo：推理力度档位是过度设计，未来模型会自动调节 — heyneighbor · 2026-09-25
- soleio 理论：学英语出身的二语者因词义攸关而更较真精确 — soleio · 2026-09-25