“能不能用 AI 助手帮忙打 Kaggle”这个问题之所以吵不出结论，是因为它其实是三个不同的问题被混在了一起：比赛规则允不允许、这样做还学不学得到东西、以及写进学校项目和申请材料时算不算诚信问题。三层的答案完全不同，甚至可能一层是”允许”、另一层是”不该”。
这篇文章把三层拆开讲，并给出家长不看代码也能用的自检。对平台的基本结构还不熟悉的读者，可以先看《Kaggle 是什么？完整入门指南》——尤其是”提交代码”和”提交预测文件”把四大板块与段位奖牌这些基本概念补齐；至于提交形态带来的现实约束，以该赛事的 Rules 与提交要求说明为准。
一、先把三层分开
家长和学生的分歧，多数出在各自在谈不同的层：孩子说”规则又没禁止”，家长担心的其实是”这样还学得到东西吗”，而学校老师关心的是第三层。三句话都成立，但不是同一件事。
二、规则层：只能以该赛事的规则页为准
这一层没有通用答案，也不应该有。Kaggle 上不同类型的比赛（Featured、Research、Getting Started、Playground 等）由不同主办方设置规则，对外部工具、预训练模型、外部数据的规定并不统一，主办方还会在赛程中发布公告调整。所以唯一正确的做法只有一条：打开这一场比赛的 Rules 页从头读一遍，拿不准就在讨论区如实提问，绝不要拿另一场比赛的经验来推断这一场。
这里有一个中国学生特别容易踩的坑：把”公开 Notebook 里别人这么做了”当成规则允许。别人的做法不是规则，规则页才是；何况那份 Notebook 可能来自另一场规则不同的比赛。
另外有一个现实约束值得单独提醒：需要提交代码在平台环境中执行的那类比赛，执行环境通常会对联网、运行时长、可用依赖设限。这类限制会直接改变”能不能在提交里调用外部服务”这件事的答案——具体限制项以该赛事的 Rules 与代码提交要求说明为准。学生在自己电脑上怎么写代码，和提交进去之后能跑什么，是两个问题。
三、学习层：四种用法，两种加速、两种掏空
规则允许不等于对学习有利。把常见用法按”离自己动脑有多远”排一排，界限其实相当清楚。
第 3 档最值得展开，因为它是最容易自欺的一档。生成一段交叉验证框架，代码能跑、分数也出得来，学生很容易产生”我会了”的错觉。检验方法只有一个：让他把这段代码里的每一步在干什么讲一遍，再问”如果数据是按时间排列的，这里要改哪一行”。答不上来，就说明这段代码只是被借用了，没有被理解。
四、”会用 AI”和”会做”的分界线：三道题
与其争论用不用，不如设一条可操作的线。任何一段借助 AI 完成的工作，交出去之前先过这三道题：
| 题目 | 问什么 | 没过关说明什么 |
|---|---|---|
| 复述题 | 不看屏幕，用自己的话讲一遍这段做了什么、为什么这么做 | 还停留在”抄了一段能跑的东西”，理解没有发生 |
| 修改题 | 在不问 AI 的前提下，改动其中一处（换个指标、换个切分方式）并跑通 | 无法脱离工具工作，遇到新题会从头卡住 |
| 预测题 | 改动之前先预测分数会涨还是会跌，再跑出来对照 | 缺的是判断力——这恰恰是竞赛真正训练的那块能力 |
第三道题最关键。Kaggle 训练的核心能力其实是”预测自己这一步会带来什么”，而不是把代码写出来。一个能提前说出”我觉得这个特征会让本地分数涨一点、但榜单不会动，因为它和已有特征高度相关”的学生，哪怕借助了工具，能力也在长；一个每次都要等分数出来才知道发生了什么的学生，做一百场也原地踏步。想理解为什么”预测能力”比”写代码能力”更值钱，可以对照入门指南了解平台的基本结构；再想想公开榜与最终榜分离这套设计——那套机制惩罚的正是”只看结果不做判断”。
五、诚信层：写进学校项目和申请材料时
这一层的裁判不是 Kaggle，而是学校的学术诚信政策与相关申请材料的要求。三条纪律：
- 按要求如实披露。IB 的 IA/EE、AP Research、以及各校的课程作业，对 AI 工具的使用与署名各有规定，且在持续更新——以你所在学校和考试局的当期政策为准，不要拿去年的说法或别的学校的做法推断。不确定就问老师，这个问题问出来永远比事后被发现好。
- 署名要对得上实际贡献。把一段自己没能力复述的工作署上自己的名字，不管工具是什么，性质都一样。
- 申请材料里不要制造能力错觉。面试时被追问技术细节答不上来，损失的不只是这一段经历的可信度——整份材料的其它部分都会被重新掂量一遍。反过来，如实写”我用工具加速了哪一部分、自己判断了哪一部分”，通常是加分的：它展示的是元认知。
六、家长视角：不看代码也能问的六个问题
家长不需要看懂一行代码，也能判断孩子在哪一档。按顺序问这六句，答不上来的就是当下的缺口：
- 1. 这一场比赛的规则页你读过吗？关于外部工具那一节写了什么？
- 2. 这段代码你能讲一遍吗，不要念屏幕上的字。
- 3. 如果现在不能问 AI，你能自己改一处再跑通吗？
- 4. 你改之前，猜分数会涨还是会跌？后来对了吗？
- 5. 这次分数变化，是哪一处改动带来的？
- 6. 如果学校要求说明 AI 的使用，你会怎么写？
最后给家长一个心态上的提醒：禁止使用不是一个可执行的方案，也不是这个时代该教的能力。真正该管的是有没有先动脑、能不能离开它工作、以及说不说实话。看到孩子答第 4 题时说”我猜会涨，结果跌了，后来查出来是因为⋯⋯”，那是好消息——他正在长的，恰恰是最难教的那一块。
常见问答
Q：Kaggle 到底允不允许用 AI 助手？
A：这个问题没有统一答案，也不该有。不同比赛由不同主办方设置规则，对外部工具、预训练模型、外部数据的规定并不一致，主办方还会在赛程中发布公告调整。正确做法是打开该场比赛的 Rules 页从头读一遍，拿不准就在讨论区如实提问。绝不要用另一场比赛的经验推断这一场，也不要把”公开 Notebook 里别人这么做了”当成规则允许。
Q：孩子用 AI 生成的代码跑出了不错的分数，我该高兴还是担心？
A：先做一次三道题的检验：让他不看屏幕复述一遍、在不问 AI 的前提下改一处再跑通、改之前先预测分数走向。三题都过，说明工具在帮他加速；答不上第一题，说明理解根本没发生，分数只是借来的。分数本身不是判据，能不能脱离工具工作才是。
Q：写学校项目时，用了 AI 需要说明吗？
A：以你所在学校和考试局的当期学术诚信政策为准，各校规定不同且在持续更新，不要参照去年的说法或其他学校的做法。不确定时直接问老师，这个问题事前问出来永远比事后被发现好。一个通用原则是：署名要对得上实际贡献，把自己无法复述的工作署上自己的名字，性质与用什么工具无关。
Q：那到底该不该让孩子用 AI 助手？
A：完全禁止既不现实，也不是这个时代该教的能力。更可行的做法是设一条线：允许用来问概念和查报错，生成整段代码之前必须先自己想过一遍，代码进到自己的项目之前必须能逐行讲清楚。换句话说，管的不是工具本身，而是使用顺序——先动脑，再动工具。
本文由 Kaggle 中文编辑部发布，由翰林教育为中国国际学校学生运营；本站独立运营，不代表 Kaggle 或任何赛事主办方，注册与参赛请以 kaggle.com 为准。各比赛对外部工具、预训练模型与外部数据的规定由主办方制定并会逐年调整，请以该赛事规则页与 kaggle.com 官方公告为准；学术诚信要求以所在学校与考试局的当期政策为准。如发现内容错误，我们将在 7 个工作日内更正。