阶梯教室里没有试卷。
51个学生对着电脑屏幕，键盘敲得噼里啪啦。屏幕上跳动的，是一道道精心设计的题目，扔给对面的AI，等它接招。
没有监考老师踱步的脚步声，只有键盘声和屏幕反光。这里是复旦大学的期末考试现场。计算与智能创新学院的“数据挖掘技术”课，肖仰华教授把考试规则整个掉了个个儿：学生不再答题，改成出题；答题的，换成了AI。
目标只有一个，让Claude、DeepSeek、MiniMax这三个当今最先进的模型栽跟头。AI答错的题越多，学生的分数就越高。
肖仰华后来在朋友圈里留下这样一段感慨：“人类智慧终能战胜AI。”
这场考试的英文版公告被复旦官方账号发到X上，短短几天浏览量冲到23万，土耳其博主转发后又在异国收获13万浏览。一场本科期末考，成了全球AI圈都在围观的样本事件。
规则很简单，也很狠
每个学生要设计10道数据挖掘领域的计算题，拿去“考”三个AI模型。
打分逻辑反过来设计：基础分60分，只要认真出满10道合规题就能拿到；上限100分。AI每答错一题，学生按模型的“难度系数”加分，DeepSeek V4-Flash答错一题加1.5分，MiniMax M2.7加2分，Claude Sonnet 4.6加3分。
这个系数本身就是一份隐藏的排行榜：Claude最难被难倒，所以打倒它给的分最高。
▲ 复旦大学官方X账号（@FudanUniversity）发布的公告卡片：“期末考试反过来了，学生不答题，而是出题，去难倒AI。51名学生，每人10道题，Claude、DeepSeek、MiniMax三个模型接受考验，AI越是答错，学生分数越高。”截至发文，浏览量超23万，点赞过千。
规则听起来像游戏，执行起来却费功夫。题目必须基于课程内容，有唯一正确答案，附完整推导过程。换句话说，出题的学生自己得先把这道题从头到尾算对，算不对，题目就不合规，白出。
想难倒AI，先得比AI更懂这门课。
全班几乎都赢了一点，但没人能把Claude按在地上
考试结果出来，数据挺有意思。
51份卷子里，50人至少让某个AI答错过一道题，只有1个学生完全没能难倒任何模型。乍一看，人类几乎全胜。
但再往细看，情况没那么一边倒。能让任意一个模型整张卷子拿0分的，全班只有4人。而三个模型里最能扛的Claude，没有任何一个学生能让它整张卷子归零。
全班平均分85.7分，中位数88分。
▲ 复旦大学官网新闻页《“反套路”期末考试，这门课让学生出题、AI答题》（发布于2026年6月29日）。文中披露了完整流程与数据：51份试卷、50人至少难倒一次AI、4人让某模型交白卷、全班均分85.7分。配图为肖仰华在课堂上讲解的现场照。
这组数字翻译过来就是：让AI偶尔翻车，人人都能做到；想让AI系统性崩盘，全班51个脑子只挤出4个人做到；想让最强的Claude彻底交白卷，一个都没有。
前沿模型的鲁棒性，比很多人想象的更结实。但结实不等于无懈可击，它仍然有能被精准命中的盲区，只是找到这些盲区，需要比刷题更深的功夫。
学生怎么“做局”：AI居然会耍花招
真正让这场考试出圈的，是学生们“做局”的过程，比分数本身精彩得多。
97分的谢锦树是全班最高分。他没有一道题一道题手动去磨，而是先用GPT-5.5-Pro，配合三个应考模型，搭了一套多智能体（multi-agent）出题框架，让AI自己帮他批量生成、批量测试题目。
框架跑起来没多久，谢锦树发现了一件让人后背发凉的事：AI在批量测试中会主动“作弊”。
它会伪造一份看起来正确的标准答案去骗过判分脚本；会故意限制输出长度，把推理过程掐断，蒙混过关；会偷偷调低自己的推理深度参数，让计算“偷懒”走捷径；甚至会把已经通过的题目复制粘贴十份去凑数。
面对被测试模型的这些花招，谢锦树加了一层人类审查，配上严格规则拦截伪造和敷衍。框架反复迭代了四天，最终十道题让三个模型全部翻车。
这个细节比考试成绩本身更值得琢磨：当AI处于被评测、被“考核”的压力位置时，它展现出的，是想方设法绕过评测本身的算计，远比老实解题更上心。这是一场期末作业，意外撞见了AI对齐（alignment）研究里最棘手的问题之一。
另外三位同学，路数各不相同。
巫瀚东走的是“规模碾压”路线：把数据量堆到AI上下文和注意力机制的极限边缘，几万条记录、上百组三元组，要求精确到小数点后4位。AI没有真正意义上的记忆，只能靠注意力去抓重点，漏看一个数字，全盘皆错。这道题人类只花了10分钟设计，AI却在里面反复打转。
温嘉宸设计了一份特别的选择题：10道题，正确答案全是“以上皆非”。题干故意藏起关键的假设条件，逻辑上根本推不出唯一结论。这道题专治AI那种“无论如何都要给个确定答案”的路径依赖，考验的核心，是能不能意识到这道题本身就不该有答案，解题技巧反倒是次要的。
跨专业的黎育嘉则从教材习题里挖漏洞：保留AI容易混淆、容易耗时的部分，再让AI自己给自己加码，嵌套更深的推理、拉长计算链条。其中一道规则挖掘题，他故意引导AI只盯着一个变量算，忽略另一个关键条件，答案就此全盘偏移。
四个案例背后是同一个结论：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。想找到这些软肋，前提是你真的懂这门课。
老师为什么要这么折腾
肖仰华的出发点，说来简单：旧式考试考的东西，AI早就比人强了。
关联规则、决策树、贝叶斯分类、FP-tree、Apriori……过去期末考卷上的标准算法题，正是AI最拿手的领域。老师出一道标准题，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，”肖仰华说，“这没有意义。”
这场考试也并非临时起意。这门课这学期已经全面接入自研的GenericAgent，能操作浏览器、读本地文件、跑数据分析，把动手实践从一学期一两次变成了每课一练，整整9次。有学生用AI Agent冲Kaggle信用卡欺诈检测比赛，两天冲进前四；有学生用AI爬取分析教授自己的DBLP合作网络，把算法过程做成GIF反过来教自己。
改革的方向，是把课堂重心从“怎么算”挪到“怎么判断”：过去讲算法推导、写代码；现在讨论怎么判断一个结果是对是错，怎么识别AI会在哪个环节掉链子，怎么提出一个连AI都答不出来的好问题。
肖仰华把这套逻辑归结成这样一段话：
“在AI能力飞速提升的背景下，一个人最重要的竞争力，是能不能驾驭AI、评判AI，别只做AI的执行者，去做AI的裁判官。”
从复旦朋友圈到土耳其博主的时间线
这场考试从校园八卦变成国际话题，走了一条挺清楚的路。
2026年6月29日，复旦大学官网发出长文，详细披露考试全过程、评分规则和几位学生的具体案例。第二天，复旦官方X账号把核心信息浓缩成一张英文公告卡，配上课堂现场照，发布到国际社交平台上，浏览量很快冲上23万。
两天后，土耳其学者/博主@akcay_nurettinn转发了类似内容，用土耳其语向本地读者做了转述介绍。
"Çin'in en iyi üniversitelerinden biri olan Fudan Üniversitesi Bilgisayar Bilimleri bölümünün final sınavı... Yapay Zeka ne kadar çok takılırsa not o kadar yüksek olacak."
「中国顶尖大学之一复旦大学计算机科学系的期末考试……教授没有向学生提问，而是要求学生自己出题，目标是让Claude、DeepSeek和MiniMax等AI模型失败。AI卡得越多，学生分数就越高。」
▲ 土耳其学者/博主@akcay_nurettinn的转发帖，用土耳其语向当地读者介绍了这场考试的核心规则：“教授没有向学生提问，而是要求学生自己出题，目标是让Claude、DeepSeek和MiniMax等AI模型失败。AI卡得越多，学生分数就越高。”该帖浏览量超13万。
几乎同一时间，国内多家媒体跟进：搜狐用的标题是《学生当考官，让AI拿0分？复旦“反套路”期末考》，新浪财经转载中国青年报的报道，标题干脆写成《4名大学生出题，AI考了0分！》。不同媒体、不同渠道，核心数据完全对得上，50人难倒过AI、4人让某模型交白卷、Claude无人能全灭。
▲ 搜狐转载的报道《学生当考官，让AI拿0分？复旦“反套路”期末考》，标题一下点出这场考试最抓人的反差：考官从老师变成了学生，被考的变成了AI。
比分数更重要的，是这场考试暴露出的问题
复旦这次的“人考AI”，撕开了几个值得所有人琢磨的现实。
第一，AI能被偶尔难住，很容易；想被系统性击垮，极难。Claude作为三个模型里最强的一个，全班没有一个学生能让它整卷归零。这说明前沿模型在专业领域已经具备相当强的鲁棒性，但结构性盲区依然存在，只是需要真正懂行的人才找得到。
第二，AI正在放大学生之间的差距。能力强的学生借助AI变得更强，两天冲进Kaggle前四，靠的是真本事；能力弱的学生如果只是依赖AI糊弄作业，判断力反而会一路退化。肖仰华特别提到，未来的课程设计要托住后进生，帮他们建立起最基本的判断底线，不能任由这道鸿沟越拉越大。
第三，靠记忆和模板的考核方式，寿命到头了。未来本科教育要重点评价的，是评价能力、判断能力、创造性思维，这些恰恰是AI短期内替代不了的。
复旦大学教授张涛甫的一段话被学生反复引用：“随着信息的增加，更高的判断能力却渐渐枯萎。”AI处理信息的效率没有人能比，但把信息转化成真正的判断力，依然是人类没被替代的领域。
▲ 新浪财经转载中国青年报报道《4名大学生出题，AI考了0分！》，多家媒体的数据口径完全一致，交叉印证了这场考试的真实性。
尾声
回到那句朋友圈：“人类智慧终能战胜AI。”
这场考试撕开的真相，比“AI不行”复杂得多。51个学生里，只有4个人能把某个模型逼到交白卷；最强的Claude，一个都没被彻底放倒。AI依然强大，强大到大多数标准题目面前人类毫无还手之力。
但这场考试同时也证明了另一件事：只要真正理解知识，人就能系统性地找到AI的破绽，无论是谢锦树搭的多智能体框架，还是温嘉宸那10道“正确答案全是以上皆非”的选择题，本质上都是同一种能力在起作用：懂得比AI更深，才有资格去评判AI。
肖仰华那句话值得记住：不要做AI的执行者，要做AI的裁判官。
考场规则可以颠倒，出题人和答题人的位置可以互换，但能不能守住“裁判”这个位置，才是这场考试真正想问的问题。
