人民日报 2026-07-05 07:14 北京

最近，复旦大学一场数据挖掘课程的期末考试，彻底碘伏了人们对“考试”的想象。

这场考试没有传统意义上的考场，学生们也没有坐在那里低头答题。相反，他们成了出题人，每人设计10道题，目标是“考倒”三个当今最先进的AI模型。规则很简单：AI答错的题越多，被难倒的模型越强，出题学生的得分就越高。

听起来是不是有点反直觉？但结果确实很有戏剧性。

细看数据：51份期末试卷中，50人至少让某个AI答错过一题，只有1人完全没难倒任何模型。但能让任一模型整张卷得0分的，仅有4人。而且，三个应考模型中最强的Claude模型，没有被任何一名学生彻底考倒。全班平均分85.7分，中位数88分。

这意味着什么？这场考试的核心逻辑，与常规考试完全相反——不是看学生会不会答，而是看他们会不会“出题”。

教授这门“数据挖掘技术”课程的肖仰华教授说得直接：“传统的出题考察方式，在AI时代已经失效了。老师出一道标准的算法题，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，这没有意义。”

于是，期末作业改了玩法：每人出10道数据挖掘领域的计算题，要求必须要有唯一正确答案和完整的推导计算过程。然后拿着这10道题去考三个不同水平的AI模型。模型答错的题越多，学生的分数就越高。

这已经不是单纯的考试，而是一场判断力与洞察力的较量。

从“怎么算”到“怎么判断”

考试结束后，肖仰华教授观察到了一个明显的差异：高分学生自己能从头到尾把题算对，而低分学生出了题，自己都不知道答案。

“高分同学对AI的弱点有准确判断，他们的题能命中AI的结构性缺陷；低分同学只是把课本习题换了个数字，AI在训练时见过千百万遍，直接套模板就对了。”

这一发现让人心生警惕——那些能力本就偏弱的学生，如果只会依赖AI做作业，自己的判断力可能会进一步退化。

对于没能拿到好成绩的同学，肖仰华表示，接下来的课程设计会有意识地去“托住”这部分学生，帮助他们建立最基本的判断底线，避免让他们成为只会点击“确认”的AI使用者。

这其实是一个信号：在AI时代，教育的重心正在从“知识的搬运”转向“判断力的培养”。谁能发现AI的盲点，谁才能真正掌握主动。