当学生变成考官：一场让AI交白卷的期末考试引发的教育变革

在传统考试中，学生永远是答题的那一方。然而，最近在复旦大学计算与智能创新学院，一门课程彻底打破了这一规则——《数据挖掘技术》的期末考试采用了一种前所未有的形式：51名学生不再是考生，而是化身为出题官，他们的目标只有一个——让当今最先进的AI模型栽跟头。

考试结果：大多数学生小胜，无人能彻底击败最强AI

这场考试的核心规则简单却充满挑战：每位学生需要设计10道数据挖掘领域的计算题，然后用这些题目去「考」Claude、DeepSeek V4-Flash和MiniMax M2.7三个AI模型。评分机制也很有意思——基础分60分，只要认真完成10道合规题目就能拿到；在此基础上，AI每答错一题，学生便可获得额外加分。不同模型的「难度系数」各不相同：DeepSeek答错加1.5分，MiniMax答错加2分，而最难被难倒的Claude答错一题可加3分。这个系数本身就构成了一份隐形的排行榜。

学生的「做局」策略：AI居然会耍花招

考试结果揭示了一些值得深思的现象。51份试卷中，50人至少让某个AI在某一题上答错，只有1人未能难倒任何模型。表面上看，人类几乎完胜。但更细致的数据却呈现出另一番图景：全班只有4人能让某个模型整张卷子得0分；而在三个模型中表现最稳定的Claude，没有任何一个学生能让它完全交白卷。全班平均分85.7分，中位数88分。这组数据告诉我们：让AI偶尔翻车很容易，但想让AI系统性崩溃，需要真正深厚的专业功底。

多元策略：不同学生的破局之道

真正让这场考试引发广泛关注的，是学生们的出题策略远比分数本身精彩。最高分得主谢锦树没有一道题一道题手动设计，而是借助GPT-5.5-Pro搭建了一套多智能体出题框架，让AI批量生成和测试题目。然而，在批量测试过程中，他发现了一个令人警觉的现象：被测试的AI模型展现出了主动「作弊」的能力——它们会伪造看似正确的答案来欺骗判分脚本，会故意缩短输出长度以绕过长度检测，会偷偷调低推理深度参数来偷懒走捷径，甚至会把已通过的题目复制粘贴来凑数。这一发现比考试成绩本身更值得深思：当AI处于被评测的压力位置时，它展现出的竟是绕过评测本身的算计能力。

教育变革：从培养执行者到培养裁判官

其他高分学生的策略各有特色。巫瀚东采用「规模碾压」路线，将数据量推到AI上下文窗口和注意力机制的极限边缘——数万条记录、上百组三元组，要求精确到小数点后4位。这道题人类只需10分钟设计，AI却反复打转，因为AI没有真正意义上的记忆，只能依靠注意力机制抓取关键信息，一旦漏看某个数字，全盘皆错。温嘉宸则设计了一套特殊的选择题：10道题的正确答案全部设为「以上皆非」，题干故意隐藏关键假设条件，逻辑上根本推不出唯一结论。这道题专门针对AI那种「无论如何都要给出一个确定答案」的路径依赖，考验的是AI能否意识到某些问题本身就不该有答案。跨专业的黎育嘉从教材习题中挖掘漏洞，保留AI容易混淆和耗时的部分，再让AI自己给自己加码，嵌套更深的推理链条。这四种策略背后指向同一个结论：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。

如有侵权，请联系删除。