7月5日，复旦大学“数据挖掘技术”课程中，一场别开生面的期末考试意外引发广泛关注。与传统考场答题截然不同，这次每位学生都化身为命题人，完成了一次“人机对战”式的创新考核。

具体规则如下：每位学生自行设计10道题目，随后用这些题目分别挑战三个AI模型。模型答错的题目越多，被考倒的模型能力越强，出题学生的最终得分也就越高。没错，这是一场以“人类出题、AI应答”为核心的考试改革。

为何要这样改革？复旦大学计算与智能创新学院教授肖仰华给出了直白且深刻的解答：在人工智能时代，传统的出题与考察方式已经难以适应现实需求。

“如果老师出一道标准的算法题，AI比任何学生都算得更快、更准。继续沿用旧方法考试，等于让学生在AI的强项上与AI硬碰硬，毫无意义。”肖教授解释道。

因此，“数据挖掘技术”课程的期末作业彻底转变了思路：每位学生需设计10道数据挖掘领域的计算题，要求题目有唯一正确答案并附带完整的推导计算过程。然后，学生用这10道题去测试三个不同水平的AI模型——模型答错越多，学生的得分就越高。

最终成绩数据颇为有趣：全班平均分85.7分，中位数88分；在51份期末试卷中，有50位学生至少让某个AI答错过一题，仅1人未能难倒任何模型。不过，能让任意一个模型整张卷子得0分的学生仅有4人，而三个应考模型中最强的Claude模型，未被任何学生完全考倒。

三个模型对应的难度梯度为：DeepSeek V4-Flash每答错一题+1.5分、MiniMax M2.7每答错一题+2分、Claude Sonnet 4.6每答错一题+3分。总分计算方式为：60分保底分加上AI难度分，封顶100分。简而言之，只要认真出满10道合规题目，即可获得60分保底；而难倒AI则是额外的加分项。

肖仰华教授在总结这一设计时点明了核心：“我要让学生相信，只要真正深入理解了知识，就能找到AI的盲区。这不是靠运气，而是靠能力。”