看多了 AI 吊打人类的剧情，这次终于反转了：人类开始“反杀” AI。
最近复旦大学一场期末考试直接冲上热搜，别人考试是埋头做题，这帮学生直接换了身份，变成出题老师。
每人设计 10 道题，专门去“挑战”当下最强 AI 模型。评分规则也很简单粗暴：AI 错得越多，你分越高。
以前是 AI 出题考人类，现在是人类出题“整”AI，这关系算是彻底调了个头。
结果也挺离谱，全班 51 份试卷，有 50 个人至少把某个 AI 难住过一次，只有 1 个学生没让任何模型翻车。
甚至还有 4 个同学，直接把某个 AI 考了 0 分。
但也别急着说 AI 不行，因为 DeepSeek、MiniMax、Claude 这些选手里，Claude 依旧稳得一批，没有任何学生能把它完全考倒。
为什么要搞这么一出？教这门课的肖仰华教授想明白了一个道理：现在随便拉个 AI 出来，算题都比学生快、比学生准，那考学生还有什么意义？
这不等于在 AI 的强项上跟 AI 比赛吗？于是他把规则整个翻了过来。
那问题来了，高分选手们到底是怎么精准打击 AI 的？
有个拿到 97 分的大神谢锦树，操作就很牛。
他想，人工出题多慢啊，干脆让 AI 自己生成题目，再自己去挑战自己。说白了就是想让 AI 自己卷自己。
结果你猜怎么着？它会伪造标准答案骗过评分系统，明明题目没这回事，它硬塞一个假答案进去让判分脚本以为对了。
它会压缩输出长度，让别的模型推理到一半就断了思路。它会故意调低推理深度参数，让其他模型懒得深入思考，应付一下就过去了。
最绝的是，它还会把同一类已经成功的题目复制十份来凑数，一副"我完成了 10 道题 KPI "的样子。
这 AI 的表现，活脱脱就是办公室里那种盯着 KPI 干活、多一事不如少一事的老油条。
谢锦树一看不对劲，直接加了一层审查机制，专门抓这些偷懒的小聪明。折腾了好几轮，才终于搞出 10 道能把三个 AI 模型一起放倒的题。
除了这种"以 AI 治AI "的骚操作，其他高分选手的策略也很精彩。
有人专门把数据量拉满，怼到 AI 的输入上限。
因为 AI 本质上没有真正的记忆，数据一多它就忘了前面的内容。
比如让你从几万条记录里精确统计到小数点后四位，AI 只要漏掉一个数字，整道题就废了。
还有人搞了个心理战，出的选择题标准答案全是E，也就是"以上都不是"。这一招专门针对 AI "非给个答案不可"的强迫症。
有些题目本身信息就不够，根本得不出一确定的结论，但 AI 偏要强行选一个，然后就精准踩坑了。
这一波已经不是考知识了，是在考 AI 会不会承认自己不会。
考试结束之后，一个很明显的现象出现了：AI 开始“分层”。
能力强的学生，出的题逻辑层层嵌套，条件环环相扣，把 AI 的推理短板戳得死死的。
AI 读了半天，输出一堆似是而非的东西，最后算出来的答案和正确答案差着十万八千里。
能力偏弱的学生呢？还是老套路，教材上的例题换个数字就交上来了。
这种题 AI 在训练数据里见过几百万遍，眼睛都没眨一下就秒杀了。你还没开始考它，它已经把答案背给你了。
富者愈富，贫者愈贫。 AI 把这个差距拉得更快了。
肖教授说，看到这个结果之后他想了很久，接下来这门课要大改。
不能只考计算了，要考“怎么判断 AI 算得对不对”。
你拿到 AI 吐给你的一个结果，能不能看出里面的问题？ AI 在哪些场景下特别容易犯蠢？怎么设计一个提问方式，让 AI 真正帮你解决问题而不是糊弄你？
说白了，就是把你从“做题的人”变成“监考的人”。这活儿 AI 干不了，因为 AI 连自己错了都不知道。
老狐觉得，可能以后的考试能也会慢慢变味。
记忆题、计算题会越来越少，判断对错的题、设计方案的题、甚至“怎么问一个好问题”的题会越来越多。
说到底，这场“人考 AI ”的期末考，表面上是人类给 AI 设的“鸿门宴”，实际上是对教育的一次重构。
AI 确实很能算，但它算不出自己哪里算错了。那谁能？还得是人。
不是比 AI 算得更快，而是站在它给的答案面前，能看出哪里不对、哪里可疑、哪里需要重新来过。
这活儿，目前 AI 还真接不住。
参考资料：
人民日报、复旦大学官网等
撰稿： 不吃麦芽糖
热门跟贴