夢瑤 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI

離了大譜了，AI真·走進(jìn)了大學(xué)期末考場，并且還是以作弊者的身份。（你就說震不震驚吧）

沒開玩笑，事情就發(fā)生在香港科技大學(xué)《計算機(jī)網(wǎng)絡(luò)原理》的本科期末考試“現(xiàn)場”。

一副搭載ChatGPT-5.2模型的AI眼鏡，被直接戴上鼻梁，在復(fù)刻真實考試條件的情況下，完成了整套期末試卷：

結(jié)果甚是魔幻：30分鐘交卷，狂攬92.5分，并在一百多人的排名里躋身進(jìn)了前五，輕松碾壓超95%的人類考生：

果然，一代人有一代人的學(xué)習(xí)工具，以前是小抄復(fù)習(xí)資料，這回直接升級成——「整機(jī)」。

只不過，當(dāng)這套整機(jī)已經(jīng)能完整跑完一整套考試流程時，大家關(guān)注的重點，可能不再只是AI會不會答卷了。

這一次，AI“作弊者”只是像人類學(xué)生那樣完整答了一遍題，卻讓傳統(tǒng)的教學(xué)評估體系看起來似乎有點站不住腳。

一副AI眼鏡，跑完了一整場大學(xué)期末考試

這場看似離譜的「人機(jī)同場考試」，可不是學(xué)生的臨時整活，而是由香港科技大學(xué)張軍教授、孟子立教授團(tuán)隊主導(dǎo)的一場實驗。

目標(biāo)很明確，那就是讓一副搭載大模型的AI眼鏡，光明正大地在考場“作弊”，然后看它能考多高分～

其選中的測試場景也是非常的簡單粗暴，直接瞄準(zhǔn)了令無數(shù)大學(xué)生《聞風(fēng)喪膽》的專業(yè)課——計算機(jī)網(wǎng)絡(luò)原理。（瑟瑟發(fā)抖…

這門課程不僅考查海量的專業(yè)概念，更涉及嚴(yán)密的邏輯推導(dǎo)與算法應(yīng)用，對人類學(xué)生來說是不小的挑戰(zhàn)，對AI而言更是難度拉滿。

對此，為了讓這位AI考生發(fā)揮出最強(qiáng)實力，項目組在「軟硬件」篩選上可謂是做足了功課！

在硬件篩選環(huán)節(jié)，項目團(tuán)隊對市面上12款主流商業(yè)智能眼鏡進(jìn)行了系統(tǒng)評估，其中也包括大家熟悉的Meta、小米、樂奇Rokid等廠商的產(chǎn)品：

第一輪篩選后，團(tuán)隊發(fā)現(xiàn)真正同時具備內(nèi)置攝像頭和集成顯示屏的產(chǎn)品其實并不多，進(jìn)入候選范圍的主要只有Meta Ray-Ban、Frame，以及樂奇Rokid。

但實驗還需要進(jìn)行二次開發(fā)，盡管Meta提供了設(shè)備訪問工具包，但并未開放對顯示內(nèi)容的直接控制接口，難以滿足實驗對信息呈現(xiàn)方式的要求。

相比之下，樂奇Rokid的SDK更豐富、生態(tài)更完善，開發(fā)自由度顯著更高。

再綜合考慮Frame在試卷識別等場景下的相機(jī)畫質(zhì)限制，研究團(tuán)隊最終選擇了樂奇AI眼鏡作為這次人機(jī)同場考試的硬件測試選手：

而在決定大腦上限的大模型篩選上，團(tuán)隊則對比了多款主流模型，最終鎖定了OpenAI目前最新的模型——無論是響應(yīng)速度還是通用知識能力都較強(qiáng)的ChatGPT—5.2。

軟硬件「考生」均已就位，接下來就是重頭戲——大考。

考試過程，可以用絲滑二字來形容：學(xué)生低頭查看試卷，AI眼鏡通過攝像頭快速拍攝題目，并經(jīng)由“眼鏡—手機(jī)—云端”鏈路將圖像傳輸至遠(yuǎn)程大模型完成推理，生成的答案再沿相反路徑返回，最終顯示在眼鏡屏幕上，供學(xué)生抄錄。

結(jié)果您猜怎么著？這款基于Rokid Glasses開發(fā)、搭載GPT-5.2模型的AI眼鏡，在本次期末考試中拿下92.5分，成績超過了95%的學(xué)生。

不僅如此，在多項選擇題和單頁短答題中，樂奇Rokid均獲得滿分，即便是難度更高的跨頁短答題（SAQ），也拿到了大部分分?jǐn)?shù)：

此外，在面對那些核心問題被拆分在不同頁碼、高度依賴上下文邏輯的跨頁短答題，樂奇Rokid依然展現(xiàn)出了極強(qiáng)的推理連貫性。

即便在計算最復(fù)雜的部分偶爾出現(xiàn)偏差，但AI給出的中間步驟也算得上非常完整，在處理高壓知識任務(wù)時也是手拿把掐～

當(dāng)然，這場測試在跑通軟件邏輯的同時，也無情地照出了目前商業(yè)AI眼鏡存在的《短板》。

首先暴露出來的，是功耗問題。

在考試這樣的高壓連續(xù)場景下，連接本身就已經(jīng)成為主要耗電源，實驗中只要開啟Wi-Fi、持續(xù)進(jìn)行高分辨率圖像傳輸，30分鐘內(nèi)眼鏡電量就會從100%迅速跌到58%。

換句話說，如果AI眼鏡要真正走向全天候、長時間使用，功耗控制和連接穩(wěn)定性依然是繞不開的工程瓶頸…

不僅如此，項目團(tuán)隊還發(fā)現(xiàn)眼鏡攝像頭的「清晰度」會直接決定AI的視力，一旦題目出現(xiàn)模糊、反光或拍攝角度偏差，再強(qiáng)的模型也只能在不完整信息上做推理，最終體現(xiàn)在答題表現(xiàn)上的，就是明顯下滑的穩(wěn)定性。

但…這場測試帶來的沖擊和反思，并不只停留在技術(shù)層面。

在不做任何特殊照顧的前提下，AI眼鏡依然能夠把一整套讀題—理解—作答的流程跑得又快又穩(wěn)，這反過來照出了一個更值得注意的問題——

當(dāng)教學(xué)評估主要關(guān)注的只是最后有沒有交出一份「標(biāo)準(zhǔn)答案」時，它恰好落在了AI最擅長、也最穩(wěn)定的能力區(qū)間里。

也正因為如此，那套以知識點掌握程度和標(biāo)準(zhǔn)解題路徑為核心的教學(xué)評估方式，在一個早已被各種“學(xué)習(xí)機(jī)”包圍的時代，開始顯得有些吃力了。

有了聰明的AI，傳統(tǒng)教學(xué)評估標(biāo)準(zhǔn)還站得住腳嗎

不知道大家有沒有發(fā)現(xiàn)一件挺有意思的事情：

從小學(xué)一路考到大學(xué)，我們最熟悉的考試，其實一直在反復(fù)確認(rèn)同一件事，那就是有沒有把老師講的內(nèi)容記住，以及能不能按標(biāo)準(zhǔn)方法，把題一步步算對。

u1s1，在很長一段時間里，這套評估方式確實挺管用。

因為在記憶、計算、按步驟推導(dǎo)這些能力上，人和人之間確實存在明顯差距，有人記得牢、算得快，有人就是會漏步驟、算錯數(shù)。

成績單上的數(shù)字，也確實能覆蓋一個人相當(dāng)大比例的學(xué)習(xí)表現(xiàn)。

但問題在于，當(dāng)AI開始在這些評估維度上，也變得又快、又穩(wěn)、而且?guī)缀醪怀鲥e時，事情就開始變得微妙了…

此前，一位創(chuàng)業(yè)者小孩哥Eddy Xu通過改裝Meta智能眼鏡，做出了一套可以在國際象棋比賽中實時顯示最優(yōu)解法的“作弊”設(shè)備，在幾乎不需要自己思考的情況下，就能穩(wěn)定贏下對局：

在這個過程中，AI眼鏡不會緊張，也不會疲勞，更不存在臨場波動，一個字形容——穩(wěn)。

這和樂奇Rokid眼鏡參加期末考試的表現(xiàn)其實是同一套邏輯：只要題目規(guī)則清晰、評價目標(biāo)單一，AI就能把讀題—理解—推理—作答這套流程穩(wěn)定跑完。

哪怕脫離紙筆形態(tài)，它依然能在高度結(jié)構(gòu)化的考試?yán)?，持續(xù)拿到高分。

類似的案例并不只發(fā)生在個人層面。

此前，英國雷丁大學(xué)的一項研究還發(fā)現(xiàn)，當(dāng)研究人員將AI生成的答卷混入考試題庫后，有高達(dá)94%的試卷成功“渾水摸魚”，而這些AI的平均成績，甚至還明顯高于真實學(xué)生…（天塌啦

這下是真有點尷尬了——比人比不過，比AI也比不過：

讓人大跌眼鏡大開眼界的同時，一個原本不那么尖銳的問題被直接推到臺前——

當(dāng)AI或機(jī)器比人更擅長按標(biāo)準(zhǔn)作答時，那套以筆試為核心、用來衡量知識點掌握程度的評估體系，到底在測什么？

回過頭看教學(xué)培養(yǎng)的最初目的，我們會發(fā)現(xiàn)很多被反復(fù)強(qiáng)調(diào)的重要能力，其實并不天然適配“一張試卷”這種形式。

——比如提出好問題的能力。

——在信息不完整時做判斷的能力。

——在多種方案之間權(quán)衡取舍的能力。

——以及理解現(xiàn)實情境、理解他人立場的能力。

這些能力真正指向的是學(xué)習(xí)過程、思考路徑和決策質(zhì)量，答案是否標(biāo)準(zhǔn)只是其中很小的一部分。

也是長期以來最難被傳統(tǒng)筆試捕捉，最容易被系統(tǒng)性忽略，恰好也是AI最難替代、也最能區(qū)分學(xué)生真實素養(yǎng)的地方。

從結(jié)果導(dǎo)向，轉(zhuǎn)向?qū)ν评砺窂?、探究過程、跨學(xué)科整合與創(chuàng)造性解題能力的整體評估，這也許才是AI眼鏡進(jìn)入考場后，對現(xiàn)有教學(xué)評估體系提出的那道真正難題。

評估重心從「交答案」到「交思路」

教育心理學(xué)家加德納曾在《Frames of Mind》中提到，人類至少擁有8種不同類型的智能——

包括語言、邏輯數(shù)學(xué)、空間、音樂、人際、內(nèi)省、身體運動、自然觀察。

從這個視角看，人類能力本身就是一個高度多維的結(jié)構(gòu)，而我們所熟悉的教學(xué)評估體系，長期以來卻只集中捕捉了其中非常狹窄的一段。

這也不難解釋，為啥一些在標(biāo)準(zhǔn)化測試中表現(xiàn)并不突出的學(xué)生，反而能在真實世界中展現(xiàn)出更強(qiáng)的創(chuàng)造力、協(xié)作能力和復(fù)雜問題解決能力。

畢竟單一考試成績更多反映的只是學(xué)生在「標(biāo)準(zhǔn)化環(huán)境」中的發(fā)揮穩(wěn)定性，像真實情境下的個人綜合素質(zhì)其實顯露不太出來……

也正因如此，如何評估創(chuàng)新能力、批判性思維和復(fù)雜問題解決能力，正在成為教育評估體系繞不開的一個現(xiàn)實難題。

目前一些指向不同方向的評估嘗試，已經(jīng)出現(xiàn)～

前不久，紐約大學(xué)Stern商學(xué)院教授Panos Ipeirotis推出了一套由AI支撐的口試評估方式，學(xué)生不僅要提交作業(yè)，還需要當(dāng)場解釋自己的決策依據(jù)和思路走向，在對話中把理解與推理展開來。

這套機(jī)制中，AI先充當(dāng)考官進(jìn)行追問，再參與到后續(xù)評估環(huán)節(jié)。

Claude、Gemini和ChatGPT會分別對口試轉(zhuǎn)錄進(jìn)行獨立評分，隨后交叉審查并修訂結(jié)果，用來判斷學(xué)生是否真正理解問題，同時暴露教學(xué)中的共性盲區(qū)：

怎么說呢，感覺這種做法談不上專門“對付”AI，但確實把教學(xué)評估重心往理解本身挪了一步。

類似的變化并非個例，此前《華盛頓郵報》也提到，目前國外部分高校已經(jīng)開始引入口試、展示型作業(yè)等形式，本質(zhì)上也是為了讓學(xué)生的思考過程變得顯現(xiàn)。

所以回過頭看，當(dāng)搭載GPT-5.2的樂奇AI眼鏡走進(jìn)考場并交出高分時，AI是否「考贏」了學(xué)生似乎也沒有那么重要了。

它更像一次特別但清晰的顯影實驗，讓一個長期存在卻很少被正視的問題浮出水面：

傳統(tǒng)教學(xué)評估高度依賴最終答案，卻幾乎無法刻畫整個學(xué)習(xí)過程。

分?jǐn)?shù)當(dāng)然是有意義的，但它所能解釋的范圍正在變窄，理解是否真正發(fā)生、思路是否連貫、判斷是否經(jīng)過取舍，這些關(guān)鍵環(huán)節(jié)，仍然被壓縮成一個單一結(jié)果，難以被區(qū)分和看見。

也正是在這一點上，單純地把技術(shù)擋在門外，其實已經(jīng)很難回應(yīng)問題本身了。（也不見得阻擋得了…

更現(xiàn)實的挑戰(zhàn)，變成了如何讓學(xué)生把AI用在信息整理、方案推演和假設(shè)驗證上，把人的精力集中到判斷、理解和選擇這些無法被「外包」的環(huán)節(jié)。

當(dāng)工具可以穩(wěn)定完成信息提取與標(biāo)準(zhǔn)作答，課堂與考試是否還能區(qū)分不同層次的思考，正被推到臺前。