马克·施密特（Mark Schmidt）指出，人工智能在教育领域的潜在风险主要源于学生的被动使用。他建议大学应当引导学生学会与人工智能模型进行辩论，并评估其表现水平（参见 M. Schmidt, Nature 657, 575; No. No. No. No., 2026）。然而，当前教育评估体系中存在一个关键缺失：即缺乏对“无辅助”状态下学习效果的测量。
现有的评估方式往往捕捉的是学生在模拟对手在场时的表现，而非对手离开后学生独立解决问题的能力。这两者之间存在显著差异。一项针对中学数学学生的随机试验显示，虽然不受限制的聊天机器人访问提高了学生的练习成绩，但却降低了他们在没有工具辅助情况下的后续考试成绩（H. Bastani et al., PNAS 122, e2422633122; 2025）。如果在课程结束时仅依据有辅助条件下的评价来判定导师的成功，可能会掩盖这一负面影响。
