美國阿爾科恩州立大學歷史教授Jason Gibson設計了一個性價比極高的AI作弊檢測方案。他在網上發布了一道期中考試討論題，在題目中嵌入了一段人眼完全不可見的隱藏文本：用與網頁背景融為一體的純白色、極小的字體寫成的指令。學生正常瀏覽網頁時什麼都看不到，這行白色小字和白色背景顏色完全一致。但AI系統在解析網頁內容時會不加區分地讀取頁面上的每一段文字，包括那些在人眼視野中完全隱形的內容。
隱藏指令的內容簡單到近乎荒謬：要求任何大語言模型在生成的回答中插入"banana"這個英文單詞。當32名學生提交的答案中不約而同出現了這個與歷史考題毫無關聯的詞彙時，Gibson得以板上釘釘地確認：他們使用了AI生成答案，而不是自己動手寫的。
這一檢測方法的精妙之處在於它幾乎消除了誤判的一切可能。學生從ChatGPT複製答案時根本不知道AI被植入了什麼隱藏指令，自己動手寫作的學生既看不到這行隱形文字、也不可能在答案中憑空寫出這個觸發詞。沒有人可以在事後辯解"banana"是自己想出來的，因為這個英文單詞與歷史論述題之間沒有任何邏輯、常識或學術上的關聯。正常人類不會在一道歷史論文題里突然插入一個水果的英文名。Gibson事後在社交媒體上分享了這個方法，立刻引起了其他教授的熱烈討論，許多人表示自己也要在下一場考試中如法炮製。
事件迅速在教育界引發強烈反響。目前市面上主流的AI文本檢測工具準確率有限，經常把非英語母語者寫的地道英文誤判為AI生成，或者反過來漏掉明顯的AI作業。與之相比，Gibson的"提示注入"式陷阱幾乎零成本、零誤判、零技術門檻。不需要在學生電腦上安裝任何監控程序，不需要訓練複雜的分類模型，不依賴任何第三方商業檢測服務。唯一需要做的，就是在發布試題的網頁上多打一行肉眼不可見的白色小字。
這起事件也折射出教育界面對生成式AI時的深層困境。隨著ChatGPT等工具在大學校園中全面普及，教師面對的核心問題已經不是要不要禁止AI，而是如何在學生普遍使用的既定前提下維持考試和作業評估的公平性。Gibson找到的解決方案打破了這個困局：不是被動地在學生交卷之後去檢測答案是不是AI寫的，而是在發題的那一刻就主動給AI下好了套。他用32個學生的期中成績，證明了一個簡單的道理：最有效的防禦，有時候就是最聰明的陷阱。
（示意圖）
