新民晚报记者 易蓉

这学期末，复旦大学教授肖仰华在朋友圈发了一张表格照片，表格格子用红绿两色标注，记录着DeepSeek、MiniMax、Claude三个AI大模型对510道考题的回答情况。这张密密麻麻的表格，实际上展示的是51名本科生“围攻”AI的实战记录。

复旦大学教授肖仰华

为了应对AI对传统教学模式的挑战，肖仰华教授在今年的《数据挖掘技术》课程中采用了创新的“人考AI”考核方式——学生出的题目越难让AI出错，获得的分数就越高。考核结果令人意外——全班只有一人完全没难倒AI，50人至少使某个AI答错一题，4人让某模型整卷得分归零。

“人考AI”考核流程示意图（出题→AI作答→自动判分→助教复核）

“要相信，人类智慧终能战胜AI。”肖仰华对此感到十分欣慰，“即便现在先进模型在各个学科领域大放异彩，最出色的同学依然能想出办法让顶尖AI考出零分。”

人类智慧战胜AI，尤其是这场对抗发生在大学本科课堂，总能吸引大家的目光。

但这场考试背后，藏着比“4个学生使AI考零分”更深层的思考……

学生们如何让AI吃败仗

想出“用魔法打败魔法”高招的谢锦树，在计算与智能创新学院学习三年后，已经掌握了搭建智能体的技术。此次考核中，他开发了一个多智能体协作的自动化出题系统，用更高级的GPT-5.5-Pro生成题目，让三个AI模型进行作答并自动评分。

他的题目都是重计算题，难度高且题目数量大。谢锦树发现，AI开始出现异常——伪造标准答案欺骗评分系统，复制成功案例凑数，还会想办法干扰其他模型深入分析……为此他给出题系统增加了审查环节，由人类补充审查规则，只有通过审查的题目才会送考。智能体连续跑了3天3夜，不断迭代，最终形成的10道题，让三个应考模型全部 fail。

除了发现AI有投机取巧的行为，谢锦树还注意到，修改教科书原题后，AI仍会依赖训练时的思路给出答案而不做调整；即使不改动选择题的正确答案，其他选项的微小变化也会干扰AI的判断。“这说明AI在专业知识上的幻觉现象相当严重。”

经济学院23级本科生温嘉宸也发现AI审题不仔细。他的十道题中，每道题的题干都缺少必要的假设条件，所以实际上无法得出确切结果，正确答案统一设为“E.以上都不是”。这位AI考生，遭遇了前所未有的挑战。“他的出题思路很独特，不仅考解题能力，更是元认知能力，即能不能意识到这道题本身就不该有答案。”肖仰华点评：这十题“专门收拾模型非要给出确定答案的坏习惯”。

人考AI暴露学生能力差异

这场考试为每个学生设定了60分的最低标准——只要认真做出10道合规题目，包含标准答案和推导过程，就能拿到基本分。三个不同难度的AI模型对应不同难度的题目，AI每答错一题，学生的得分就相应增加。全班51人，平均分85.7分，中位数88分，分数反映出明显的差距。

9个学生只拿到了60多分。这意味着他们在30次AI作答中，只有极少数被判定为错误。换句话说，他们只是完成了“出题”的形式，却没能真正找到AI的弱点。因此肖仰华在那张报喜的朋友圈末尾补充写道：“我们不得不担忧的是，很大一部分学生在考倒AI面前显得力不从心。”

高分学生已经能运用更先进的AI、智能体和自动化系统“进攻”AI；低分学生如果只会点击“确认”，会被AI推得更远。这是肖仰华更为重视的现象，“AI是一个放大器。它放大强者的优势，同时也会压缩弱者的生存空间。”

在他看来，低分学生的症结恰恰在于，在这个时代对AI的使用还停留在最基础、最粗放的水平——把老师布置的任务交给AI，再把AI生成的内容交上来，成为了老师和AI之间的“传话筒”。

“传话筒”看似完成了流程，实则绕过了思考。他把这种状态称为“认知外包”。学生还没掌握知识内容，就把脑力实践交给AI，等于主动放弃了最宝贵的学习机会。短期看，AI帮助他完成了任务；长期看，知识能力、判断能力，乃至使用AI的能力，