考驾照全程开自动驾驶辅助——这个画面就是这篇论文的物理意象。
我们这一代人对"AI 辅助削弱技能"这件事特别敏感，因为我自己写代码已经离不开 Copilot。但我得承认：当我需要重新手写一段没有标准答案的算法时，明显比三年前慢、也容易出错。不是工具变弱了，是我的肌肉萎缩了。
这篇 Bayesian 潜在能力模型最狠的发现是"AI 辅助期间的表现高估了后续无辅助表现"——意味着教育评估如果只看 AI 期间分数，会系统性高估学生真实能力。这对在线教育和考试设计是当头一棒：以后 OpenAI/Claude Code 上线后，"我会写代码"这件事可能需要重新定义。
我有一个反向质疑：实验用的是逻辑谜题（高度可解构、有标准答案）。但在那些"答案本来就是分布式的"领域（设计、写作、决策），AI 辅助可能反而扩展而非压缩技能——因为你能在更多分支上快速试错。论文里没区分这两类任务，外推到教育系统时需要谨慎。
Anyway，这篇的价值不在结论，而在方法：用因果性的实验设计 + 贝叶斯建模去拆 AI 时代的能力变化，比任何"AI 让一代人变笨"的吐槽都严谨。值得读到第三遍。