加州大学伯克利分校计算机科学系今春多门课程不及格率异常攀升，引发教育界关注。Berkeleytime数据显示，CS 10课程不及格率达35.3%，CS 61A为10.6%，均远高于往年不超过10%的水平；EECS 127高年级课程不及格率也达16.8%。这两门低年级课程的平均成绩仅为C+，对应GPA约2.3，低于系里2.8至3.3的指导区间。
原因：AI滥用与数学基础薄弱
任教这两门课的Dan Garcia教授指出，学生过度依赖Claude、ChatGPT、Google Gemini等大语言模型是“不合格”激增的“主要驱动力”。他透露，仅CS 10一门课就有近30名学生在课后考试中作弊被查，正在移交学生行为中心处理；更多学生虽然没有作弊，但“太依赖LLM完成作业，到考试时完全无法应对”。
EECS 127授课教师Gireeja Ranade则注意到学生数学基础普遍薄弱。该课要求学生掌握线性代数、向量微积分和数学证明，但她在答疑时发现许多学生连线性代数都有困难。更令她震惊的是，有学生告知其在线性代数课程中作业和考试均可“开放互联网、开放AI”作答。两位教授已加入超过1300名UC教职工联署请愿，要求恢复STEM招生中的ACT/SAT标准化考试。
影响：师资削减与参与度下降
除学生自身因素外，师资不足也加剧了困境。EECS系主任Jelani Nelson在社交媒体透露，因本科生助教时薪过高，系里被迫削减CS招生规模和本科助教数量。Ranade因此取消了EECS 127原有的结课项目（该项目曾是多数学生获取高分的主要途径）。
两位教授还观察到课堂参与度显著下滑。Ranade形容以前的答疑时间“人满为患”，今年却“异常冷清”；Garcia也表示自己“第一次面对空无一人的答疑时段”。
后续：强调标准而非降低要求
两位教授均表示将调整教学策略。Garcia打算在新学期第一课就向学生“展示”这些数据，帮助识别需要额外补习的学生；Ranade则强调AI时代更要“教得更多而非更少”，培养学生独立应对未知挑战的能力。两人均反对哈佛等校的做法——通过曲线评分人为限制A的比例。“标准应该公开透明，”Garcia说，“而不是靠隐藏问题来假装一切正常。”
编注：信源为加州大学伯克利分校校刊Daily Cal深度报道，材料覆盖CS 10、CS 61A、EECS 127三门课程数据及两位授课教授观点，涵盖AI使用、数学准备、师资削减等多个维度。