2026年春季，多个加州大学伯克利分校计算机科学课程的不及格率明显高于以往学期，并且偏离了该系的评分指南。教师们指出，学生对人工智能的依赖增加、数学基础不足和人手不足可能是造成这一现象的因素。根据Berkeleytime的数据，2026年春季CS 10课程中不及格率为35.3%，CS 61A课程中为10.6%。而在2025年春季和2024年春季，两个课程的不及格率均未超过10%。电气工程与计算机科学系的评分指南规定，下层课程中应有7%的学生获得D和F。此外，指南还指出：“下层课程的典型GPA将在2.8到3.3之间。”据Berkeleytime报道，2026年春季这两个课程的平均分为C加，相当于2.3 GPA。加州大学伯克利分校的教学教授丹·加西亚在2026年春季教授了CS 10“计算的美与乐趣”和CS 61A“计算机程序的结构与解释”。加西亚认为，这些异常高的不及格率的“主要驱动因素”是由于学生使用大型语言模型（如Claude、ChatGPT和谷歌Gemini）导致的“学术不诚实大幅增加”。加西亚说：“你所看到的不及格学生人数是因为我们抓到他们（作弊）并对他们进行了起诉，正在将其案件提交给学生行为中心。但在其他情况下，学生们过于依赖LLM来完成他们的作业，结果在考试时根本没有准备。”加西亚提到，2026年春季，有近30名CS 10学生在家庭作业考试中被抓到作弊。在这一学期，加西亚教授的课程没有采用曲线评分；而是每个字母成绩都有一个分数阈值。这意味着学生的成绩不依赖于同学的表现。加西亚认为，教师“应该不使用曲线”，而应该公开每个字母等级的阈值，并给予学生多次机会来达到这些标准。他还表示，他喜欢“没有限制”给学生评分A的想法。“我坚决反对哈佛所做的，声称只有一部分学生可以获得A的做法，”加西亚说。“我认为你应该对A的标准有清晰的界定，并为大家提供大量机会……在不降低标准的情况下，达到A的标准。所以，所有采用曲线评分的人都会隐藏这一效果。它完全隐瞒了这一效果，看起来就像没有问题，而实际上肯定有问题。”除了对人工智能的过度依赖，加西亚还指出，许多学生在数学方面准备不足，这一担忧也得到了校园副教授吉雷贾·拉纳德的认可。拉纳德在2026年春季的EECS 127课程中注意到，学生们在数学先修知识方面同样缺乏，她形容这一学期的授课体验为“挑战不同”。该课程的不及格率为16.8%，远高于EECS系所描述的上层课程的“典型”5%的D和F。拉纳德表示，学生应该在进入课程之前修过线性代数、向量微积分和数学证明的课程。然而，她在办公时间发现，许多学生在线性代数方面存在困难，更震惊的是，一名学生告诉她，他们在加州大学伯克利分校修的线性代数课程对家庭作业和考试有“开放互联网、开放人工智能政策”。加西亚和拉纳德都签署了一项请愿书，呼吁在加州大学系统中恢复STEM招生的ACT和SAT标准化考试成绩，已有超过1300名加州大学教职员工参与其中。这份请愿书及附带的公开信详细说明了学生数学准备方面的类似担忧。拉纳德表示，她今年也改变了课程结构。以前，EECS 127包括一个由教授和助教团队指导的期末项目。由于人员不足，拉纳德不得不取消这一部分课程，这一部分课程大多数学生在其中都能获得高分。根据EECS系主任贾拉尼·尼尔森在社交媒体X上的一则帖子，由于EECS助教的高小时工资，校园不得不减少本科计算机科学的注册人数和助教人数。拉纳德和加西亚都注意到，学生在课堂上的参与度也有所下降。拉纳德表示，办公时间以前“人满为患”，但本学期，她和她的助教们注意到，尽管她们经常鼓励学生参加，办公时间的“参与度非常低”。加西亚在过去两个学期的办公时间也发现了类似的缺席情况。“我以前的办公时间是满的，而这次竟然是第一次没有人来我的办公时间，”加西亚说。