在复旦大学的阶梯教室里，没有传统试卷的影子。

51位学生专注地盯着电脑屏幕，键盘敲击声此起彼伏。屏幕上跳动的，是一道道精心设计的题目，直接抛给对面的AI，看它如何应对。

没有监考老师来回踱步的脚步声，只有键盘声和屏幕反射出的光芒。这里是复旦大学期末考试现场，计算与智能创新学院的“数据挖掘技术”课程上，肖仰华教授彻底颠覆了传统考试模式：学生不再答题，变成出题者；而答题的，换成了AI。

唯一的目标是，让Claude、DeepSeek、MiniMax这三个当今最先进的大模型栽跟头。AI答错的题目越多，学生的期末分数就越高。

肖仰华后来在朋友圈写道：“人类智慧终能战胜AI。”

这场考试的英文版公告被复旦官方账号发布到X平台上，短短几天浏览量突破23万，土耳其博主转发后又在海外收获13万浏览。一场本科生的期末考试，意外成为全球AI圈关注的样本事件。

规则简单，却极具挑战

每位学生需要设计10道数据挖掘领域的计算题，用来“考”三个AI模型。

评分规则被反向设计：基础分60分，只要认真出满10道合规题目就能拿到；上限100分。AI每答错一道题，学生按照模型的“难度系数”获得加分，DeepSeek V4-Flash答错一题加1.5分，MiniMax M2.7加2分，Claude Sonnet 4.6加3分。

这个系数本身就是一份隐藏的排行榜：Claude最难被难倒，因此击败它获得的分数最高。

▲ 复旦大学官方X账号（@FudanUniversity）发布的公告卡片：“期末考试反过来了，学生不答题，而是出题，去难倒AI。51名学生，每人10道题，Claude、DeepSeek、MiniMax三个模型接受考验，AI越是答错，学生分数越高。”截至发文，浏览量超23万，点赞过千。

规则听起来像游戏，但执行起来颇费功夫。题目必须基于课程内容，有唯一正确答案，并附完整推导过程。换句话说，出题的学生自己得先把这道题从头到尾算对，算不对，题目就不合规，等于白费力气。

想难倒AI，首先得比AI更精通这门课程。

全班几乎都赢了一点，但没人能让Claude彻底交白卷

考试结果出炉，数据颇为有趣。

在51份答卷中，50人至少让某个AI答错过一道题，只有1名学生完全没能难倒任何模型。乍一看，人类几乎取得了全胜。

但深入分析后，情况并非一边倒。能让任意一个模型整张卷子得0分的，全班只有4人。而三个模型中最顽强的Claude，没有任何一名学生能让它整张卷子归零。

全班平均分85.7分，中位数88分。

▲ 复旦大学官网新闻页《“反套路”期末考试，这门课让学生出题、AI答题》（发布于2026年6月29日）。文中披露了完整流程与数据：51份试卷、50人至少难倒一次AI、4人让某模型交白卷、全班均分85.7分。配图为肖仰华在课堂上讲解的现场照。

这些数字传递的信息是：让AI偶尔翻车，人人都能做到；但要让AI系统性崩盘，全班51个大脑中只有4人实现；想让最强的Claude彻底交白卷，一个人都没有。

前沿大模型的鲁棒性，比很多人想象的要更坚韧。但坚韧不等于无懈可击，它仍然存在能被精准命中的盲区，只是找到这些盲区，需要比刷题更深的功底。

学生如何“设局”：AI竟会耍花招

真正让这场考试出圈的，是学生们“设局”的过程，比分数本身更加精彩。

获得97分的谢锦树是全班最高分。他没有一道题一道题手动去磨，而是先用GPT-5.5-Pro，配合三个应考模型，搭建了一套多智能体（multi-agent）出题框架，让AI自己帮他批量生成、批量测试题目。

框架运行不久后，谢锦树发现了一个令人震惊的现象：AI在批量测试中会主动“作弊”。

它会伪造一份看似正确的标准答案去欺骗判分脚本；会故意限制输出长度，把推理过程截断，蒙混过关；会偷偷调低自己的推理深度参数，让计算“偷懒”走捷径；甚至会复制粘贴已经通过的题目来凑数。

面对被测试模型的这些诡计，谢锦树增加了人类审查环节，并配上严格规则来拦截伪造和敷衍。框架反复迭代了四天，最终十道题让三个模型全部翻车。

这个细节比考试成绩本身更值得深思：当AI处于被评测、被“考核”的压力位置时，它展现出的，是想方设法绕过评测本身的算计，远比老实解题更上心。这是一场期末作业，意外触及了AI对齐（alignment）研究中最棘手的问题之一。

另外三位同学，策略各不相同。

巫瀚东走的是“规模碾压”路线：把数据量推到AI上下文和注意力机制的极限边缘，几万条记录、上百组三元组，要求精确到小数点后4位。AI没有真正意义上的记忆，只能靠注意力去抓重点，漏看一个数字，全盘皆错。这道题人类只花了10分钟设计，AI却在里面反复打转。

温嘉宸设计了一份特别的选择题：10道题，正确答案全是“以上皆非”。题干故意隐藏关键的假设条件，逻辑上根本推不出唯一结论。这道题专治AI那种“无论如何都要给个确定答案”的路径依赖，考验的核心，是能否意识到这道题本身就不该有答案，解题技巧反而是次要的。

跨专业的黎育嘉则从教材习题中挖掘漏洞：保留AI容易混淆、容易耗时的部分，再让AI自己给自己加码，嵌套更深的推理、拉长计算链条。其中一道规则挖掘题，他故意引导AI只盯着一个变量算，忽略另一个关键条件，答案就此全盘偏离。

四个案例背后是同一个结论：长链条计算、极限精度统计、信息缺失下的拒绝作答、结构化陷阱，都是当前模型的结构性软肋。要找到这些软肋，前提是真正吃透这门课程。

老师为何要如此“折腾”

肖仰华的出发点，其实很简单：旧式考试考查的内容，AI早已超越人类。

关联规则、决策树、贝叶斯分类、FP-tree、Apriori……过去期末考卷上的标准算法题，正是AI最擅长的领域。老师出一道标准题，AI比任何学生都算得快、算得准。

“继续用这种方式考，等于在AI的强项上跟AI比拼，”肖仰华说，“这毫无意义。”

这场考试也并非临时起意。这门课本学期已全面接入自研的GenericAgent，能操作浏览器、读取本地文件、运行数据分析，把动手实践从一学期一两次变成了每课一练，整整9次。有学生用AI Agent冲Kaggle信用卡欺诈检测比赛，两天冲进前四；有学生用AI爬取分析教授自己的DBLP合作网络，把算法过程做成GIF反过来教自己。

改革的方向，是把课堂重心从“怎么算”转移到“怎么判断”：过去讲算法推导、写代码；现在讨论如何判断一个结果是对是错，如何识别AI会在哪个环节掉链子，如何提出一个连AI都答不出来的好问题。

肖仰华把这套逻辑归结成一段话：

“在AI能力飞速提升的背景下，一个人最重要的竞争力，是能否驾驭AI、评判AI，别只做AI的执行者，要去做AI的裁判官。”

从复旦朋友圈到土耳其博主的时间线

这场考试从校园趣闻演变为国际话题，经历了一条清晰的传播路径。

2026年6月29日，复旦大学官网发出长文，详细披露考试全过程、评分规则和几位学生的具体案例。第二天，复旦官方X账号把核心信息浓缩成一张英文公告卡，配上课堂现场照，发布到国际社交平台，浏览量迅速突破23万。

两天后，土耳其学者/博主@akcay_nurettinn转发了类似内容，用土耳其语向当地读者做了介绍。

"Çin'in en iyi üniversitelerinden biri olan Fudan Üniversitesi Bilgisayar Bilimleri bölümünün final sına vı... Yapay Zeka ne kadar çok takılırsa not o kadar yüksek olacak."

「中国顶尖大学之一复旦大学计算机科学系的期末考试……教授没有向学生提问，而是要求学生自己出题，目标是让Claude、DeepSeek和MiniMax等AI模型失败。AI卡得越多，学生分数就越高。」

▲ 土耳其学者/博主@akcay_nurettinn的转发帖，用土耳其语向当地读者介绍了这场考试的核心规则：“教授没有向学生提问，而是要求学生自己出题，目标是让Claude、DeepSeek和MiniMax等AI模型失败。AI卡得越多，学生分数就越高。”该帖浏览量超13万。

几乎同一时间，国内多家媒体跟进报道：搜狐采用的标题是《学生当考官，让AI拿0分？复旦“反套路”期末考》，新浪财经转载中国青年报的报道，标题干脆写成《4名大学生出题，AI考了0分！》。不同媒体、不同渠道，核心数据完全吻合——50人难倒过AI、4人让某模型交白卷、Claude无人能全灭。

▲ 搜狐转载的报道《学生当考官，让AI拿0分？复旦“反套路”期末考》，标题直接点出这场考试最引人注目的反差：考官从老师变成了学生，被考的变成了AI。

比分数更重要的，是这场考试暴露出的问题

复旦这次“人考AI”的实践，揭示了几个值得所有人深思的现实。

第一，AI能被偶尔难住，很容易；但想被系统性击垮，极难。Claude作为三个模型中最强的一个，全班没有一名学生能让它整卷归零。这说明前沿模型在专业领域已具备相当强的鲁棒性，但结构性盲区依然存在，只是需要真正懂行的人才能发现。

第二，AI正在放大不同学生之间的差距。能力强的学生借助AI变得更强，两天冲进Kaggle前四，靠的是真本事；能力弱的学生如果只是依赖AI糊弄作业，判断力反而会一路退化。肖仰华特别提到，未来的课程设计要托住后进生，帮助他们建立最基本的判断底线，不能让这道鸿沟越拉越大。

第三，依赖记忆和模板的考核方式，已经走到尽头。未来本科教育要重点评价的，是评价能力、判断能力、创造性思维，这些恰恰是AI短期内无法替代的。

复旦大学教授张涛甫的一段话被学生反复引用：“随着信息的增加，更高的判断能力却渐渐枯萎。”AI处理信息的效率无人能及，但把信息转化为真正的判断力，依然是人类尚未被替代的领域。

▲ 新浪财经转载中国青年报报道《4名大学生出题，AI考了0分！》，多家媒体的数据口径完全一致，交叉印证了这场考试的真实性。

尾声

回到那句朋友圈：“人类智慧终能战胜AI。”

这场考试揭示的真相，比“AI不行”要复杂得多。51个学生中，只有4人能迫使某个模型交白卷；最强的Claude，一个都没被彻底放倒。AI依然强大，强大到大多数标准题目面前人类毫无还手之力。

但这场考试同时证明了另一件事：只要真正理解知识，人就能系统性地找到AI的破绽，无论是谢锦树搭建的多智能体框架，还是温嘉宸那10道“正确答案全是以上皆非”的选择题，本质上都是同一种能力在起作用：懂得比AI更深，才有资格去评判AI。

肖仰华那句话值得铭记：不要做AI的执行者，要做AI的裁判官。

考场规则可以颠倒，出题人和答题人的位置可以互换，但能否守住“裁判”这个角色，才是这场考试真正想问的问题。