让 AI 直接给答案，考试反而低 17%：四项研究说清 AI 该怎么用在学习上
用 AI 学习，最常见的用法是把题目丢进去、拿到答案。2025 年发表在 PNAS 上的一项近千人实验给出了反面证据：AI 直接给答案的学生，练习时成绩涨了 48%，一旦拿走 AI 去考试，成绩比从没用过 AI 的学生还低 17%。 同一项实验里，另一组学生用的 AI 只给提示、不给答案，练习成绩涨了 127%，考试成绩没有下降。
两组用的是同一类模型，差别只在一件事：AI 让学生自己动手，还是替学生动手。
近千人实验：给答案的 AI 和只给提示的 AI
PNAS 2025：两种 AI 用法，练习和考试的结果完全不同
实验在土耳其的高中进行，约 1000 名学生在数学练习课上被分成三组：
| 组别 | AI 怎么用 | 练习成绩 | 拿走 AI 后的考试成绩 |
|---|---|---|---|
| 对照组 | 不用 AI | 基线 | 基线 |
| GPT Base | 有问必答，想要答案就给答案 | +48% | −17% |
| GPT Tutor | 只给提示，引导下一步怎么想 | +127% | 与对照组无显著差异 |
有问必答的 AI 让练习看起来顺利得多，可学生在练习里跳过了自己推导的那一步，考试时这一步只能自己完成，于是露了底。研究者在论文里的判断很直接：随手给答案的 AI，比没有 AI 更糟。
差别不在 AI 聪不聪明，在于它让你动手，还是替你动手
为什么「自己动手」这么重要
225 项研究：只听讲的挂科风险是 1.5 倍
Freeman 等人的元分析：传统讲授的挂科可能性是主动学习的 1.5 倍
2014 年 Freeman 等人在 PNAS 发表的元分析汇总了 225 项理工科课堂研究，比较「以讲授为主」和「主动学习」（做题、讨论、动手解决问题）两种课堂。结果是：只坐着听讲的学生，挂科可能性是主动学习学生的 1.5 倍。
知识没法直接灌进脑子，只能一道题一道题自己搭起来。AI 给答案，相当于把「听讲」搬到了屏幕上。
85% 法则：答对多少题时学得最快
Wilson 等人 2019 年：训练中答对约 85% 时学习效率最高
2019 年《自然·通讯》上的一篇论文（The Eighty Five Percent Rule）从数学上推导出：训练时答对率约 85%、答错约 15% 的时候，学得最快。太简单没有长进，太难容易放弃。
问题在于，同一张卷子对不同的人难度不同。
一张统一的卷子，没法让每个人都处在 85% 附近
布鲁姆 2 Sigma：一对一最有效，但太贵
Bloom, 1984：一对一辅导的效果是两个标准差
1984 年，教育心理学家本杰明·布鲁姆发现，接受一对一辅导的中等水平学生，成绩超过了普通班 98% 的人（高出约两个标准差）。他在同一篇论文里紧接着指出问题：一对一辅导太贵，大多数人负担不起。这个问题后来被称为「2 Sigma 问题」，详细解读见《布鲁姆 2 Sigma 问题》。
四项研究放在一起，AI 该放在哪个位置
| 研究 | 结论 | 对 AI 用法的启示 |
|---|---|---|
| Bastani 等，PNAS 2025 | 给答案的 AI 让考试成绩下降 17% | 不让 AI 替人答题 |
| Freeman 等，PNAS 2014 | 只听讲的挂科风险是主动学习的 1.5 倍 | 学习要靠自己做题 |
| Wilson 等，Nature Communications 2019 | 答对约 85% 时学得最快 | 题目难度要贴合个人水平 |
| Bloom，1984 | 一对一辅导超过普通班 98% 的人 | 每个人需要一套自己的题 |
结论是：AI 在学习里最有用的位置不是答题，而是出题。让 AI 按每个人的进度和水平出题，题由人自己做；做错了换一道同考点的题再练，做对了隔一段时间再来一道确认。这正好覆盖了上面四项研究各自指向的需求：自己动手、难度合适、因人而异。
用 AI 出题的一种做法
视频后半段演示了懒人学霸的做法，以「考研英语长难句与语法专项」为例：
选好范围和难度（基础 / 进阶 / 挑战），AI 现出一套题，可在线做或打印成卷
- 建库：贴一份教材或资料，或者跟 AI 助手说清想练什么，AI 先列出章节大纲。
- 出题：选章节范围和难度，AI 现场出一套题。在线作答，或打印成 A4 试卷。
- 批阅：纸上做完扫码拍照，AI 批阅。做错的题，下次换个样子（同考点变式题）再考。
- 复习：答对的知识点按遗忘曲线 1、2、4、7、15、30、60 天再出新题确认，原理见《艾宾浩斯遗忘曲线复习法》。
- 进度：每个知识点练到哪，都点亮在大纲上。
批阅完成后，每个知识点的熟练度回填到大纲
老师、家教、家长和备考的人都可以这样用：给每个人出一套自己的题。建库免费，注册送 10 题，可以在 懒人学霸 里先出一套小卷试试。
参考文献
- Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., & Mariman, R. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. PNAS.
- Freeman, S. et al. (2014). Active learning increases student performance in science, engineering, and mathematics. PNAS, 111(23).
- Wilson, R. C., Shenhav, A., Straccia, M., & Cohen, J. D. (2019). The Eighty Five Percent Rule for optimal learning. Nature Communications, 10.
- Bloom, B. S. (1984). The 2 Sigma Problem. Educational Researcher, 13(6).
常见问题
用 AI 学习会让成绩变差吗？
取决于怎么用。PNAS 2025 的实验里，AI 直接给答案的一组考试成绩比不用 AI 的低 17%；AI 只给提示、不给答案的一组考试成绩没有下降。让 AI 替你完成思考会有害，让 AI 引导你自己思考则没有这个问题。
学生用 AI 写作业，家长和老师该怎么办？
与其禁止，不如换个用法：让 AI 出题，而不是让 AI 答题。题目由 AI 按进度和水平生成，答案由人自己写，AI 负责批阅和安排复习。这样 AI 做的是出题、批改这些体力活，思考留给学习的人。
85% 法则是什么意思？
2019 年《自然·通讯》的研究推导出，训练时答对率约 85% 最有利于学习。落到练习上：一套题大部分会做、少部分需要想，比全会或全不会都更有效。所以练习题的难度应该跟着人的水平调整。
什么是布鲁姆 2 Sigma 问题？
布鲁姆 1984 年发现一对一辅导的学生平均成绩比普通班高两个标准差，也就是超过普通班 98% 的人，但一对一辅导成本太高，难以普及。怎样用更低的成本接近一对一的效果，就是 2 Sigma 问题。
