复旦大学学生出题让AI考零分的课程改革
复旦大学一门课程期末考试改为学生出题难倒AI，每人设计10道数据挖掘计算题，考三个AI模型。50名学生至少让AI答错一题，4人使某模型得0分，但最强模型未被完全考倒。全班平均分85 7分，旨在引导学生深入理解知识并发现AI盲区。
最近，复旦大学一门名为“数据挖掘技术”的课程，举办了一场别开生面的期末考试。学生无需坐在考场里，反而纷纷化身为出题人——目标只有一个：设计题目难倒AI。在人工智能席卷各行各业的当下，这种操作听起来既反直觉，又充满挑战意味。
具体怎么操作？每位学生需设计10道数据挖掘领域的计算题，要求具备唯一正确答案和完整的推导过程。随后，这些题目被拿来测试三个不同水平的AI模型——AI答错的题目越多、被难倒的模型越强，出题学生的得分就越高。简单来说，这就是一场“人机智斗”式的期末考核。
复旦大学计算与智能创新学院教授肖仰华一语道破了设计初衷：“传统的出题考察方式，在AI时代已经失效。老师出一道标准的算法题，AI比任何学生都算得更快、更准。继续沿用这种考核方式，相当于在AI擅长的领域与AI硬碰硬，毫无意义。”因此，课程团队索性换个思路：既然AI擅长解题，那就让学生反过来寻找AI的漏洞。
来看最终成绩单：51份期末试卷中，50名学生至少让某个AI答错过一道题，仅有一人未能难倒任何模型。但能让任一模型整张试卷得0分的学生，仅有4人。更值得注意的是，三个应试模型中最强的Claude，没有被任何学生完全考倒。全班平均分85.7分，中位数88分——这个结果既不是全员满分，也不是惨不忍睹，恰好说明题目难度设置得恰到好处。
评分规则同样设计得颇为巧妙：三个模型对应三个难度梯度——DeepSeek V4-Flash答错一题加1.5分，MiniMax M2.7答错一题加2分，Claude Sonnet 4.6答错一题加3分。总分由60分保底加上AI难度分构成，封顶100分。换句话说，只要认真出满10道合规题目，就能拿到60分的基础分，难倒AI属于纯粹的加分项。这一设计既给了学生安全感，又激励他们绞尽脑汁去挖掘AI的弱点。
肖仰华教授的话值得反复品味：“这项设计的核心理念是，我们要让学生相信，只要你真正深入理解了知识，你就能找到AI的盲区。这靠的不是运气，而是能力。”从实际效果来看，这场“人考AI”的探索，确实让不少学生体会到了“用知识创造而非重复”的含义——而这，或许正是教育在AI时代该有的模样。
你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：复旦大学学生出题让AI考零分的课程改革要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题
游乐网为非赢利性网站，所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系youleyoucom@outlook.com。
相关热点通过多模态链式指令，利用分段符分工并添加校验句实现模型接力；前置身份声明与术语白名单绑定模型能力；浮动摘要钩子维持多轮对话状态，避免模型降级或同步失败。
项目进度偏差预警需构建感知、比对、判断、反馈闭环，依赖结构化计划输入、实时进度采集与可执行判定逻辑。通过YAML JSON注入任务基准，打通Jira、Git等数据源自动采集，设定超时、停滞等规则触发预警，并支持自动创建跟进、生成趋势简报及个性化改进建议。
将PDF合同上传至Kimi网页端，通过精准指令可自动提取付款条件、支付节点、金额及逾期违约金等条款，并以表格或JSON格式输出。支持原生PDF解析与扫描件OCR识别，需确保页面清晰，指令明确。
AnthropicCEODarioAmodei发文指出AI正呈指数级发展，而政策制定过程缓慢如树人。他主张对前沿AI模型实行强制性第三方测试，像管理飞机一样管控风险，同时警告AI可能加剧经济不平等。尽管呼吁加速正面影响，其动机被质疑为维护自身领先地位。
- 日榜
- 周榜
- 月榜
热点快看