离了大谱了，AI 真 · 走进了大学期末考场，并且还是以作弊者的身份。（你就说震不震惊吧）
没开玩笑，事情就发生在香港科技大学《计算机网络原理》的本科期末考试 "现场"。
一副搭载 ChatGPT-5.2 模型的 AI 眼镜，被直接戴上鼻梁，在复刻真实考试条件的情况下，完成了整套期末试卷：
结果甚是魔幻：30 分钟交卷，狂揽 92.5 分，并在一百多人的排名里跻身进了前五，轻松碾压超 95% 的人类考生：
果然，一代人有一代人的学习工具，以前是小抄复习资料，这回直接升级成------「整机」。
只不过，当这套整机已经能完整跑完一整套考试流程时，大家关注的重点，可能不再只是 AI 会不会答卷了。
这一次，AI"作弊者" 只是像人类学生那样完整答了一遍题，却让传统的教学评估体系看起来似乎有点站不住脚。
一副 AI 眼镜，跑完了一整场大学期末考试
这场看似离谱的「人机同场考试」，可不是学生的临时整活，而是由香港科技大学张军教授、孟子立教授团队主导的一场实验。
目标很明确，那就是让一副搭载大模型的 AI 眼镜，光明正大地在考场 "作弊"，然后看它能考多高分～
其选中的测试场景也是非常的简单粗暴，直接瞄准了令无数大学生《闻风丧胆》的专业课------计算机网络原理。（瑟瑟发抖...
这门课程不仅考查海量的专业概念，更涉及严密的逻辑推导与算法应用，对人类学生来说是不小的挑战，对 AI 而言更是难度拉满。
对此，为了让这位 AI 考生发挥出最强实力，项目组在「软硬件」筛选上可谓是做足了功课！
在硬件筛选环节，项目团队对市面上 12 款主流商业智能眼镜进行了系统评估，其中也包括大家熟悉的 Meta、小米、乐奇 Rokid 等厂商的产品：
第一轮筛选后，团队发现真正同时具备内置摄像头和集成显示屏的产品其实并不多，进入候选范围的主要只有 Meta Ray-Ban、Frame，以及乐奇 Rokid。
但实验还需要进行二次开发，尽管 Meta 提供了设备访问工具包，但并未开放对显示内容的直接控制接口，难以满足实验对信息呈现方式的要求。
相比之下，乐奇 Rokid 的 SDK 更丰富、生态更完善，开发自由度显著更高。
再综合考虑 Frame 在试卷识别等场景下的相机画质限制，研究团队最终选择了乐奇 AI 眼镜作为这次人机同场考试的硬件测试选手：
而在决定大脑上限的大模型筛选上，团队则对比了多款主流模型，最终锁定了 OpenAI 目前最新的模型------无论是响应速度还是通用知识能力都较强的 ChatGPT---5.2。
软硬件「考生」均已就位，接下来就是重头戏------大考。
考试过程，可以用丝滑二字来形容：学生低头查看试卷，AI 眼镜通过摄像头快速拍摄题目，并经由 "眼镜---手机---云端" 链路将图像传输至远程大模型完成推理，生成的答案再沿相反路径返回，最终显示在眼镜屏幕上，供学生抄录。
结果您猜怎么着？这款基于 Rokid Glasses 开发、搭载 GPT-5.2 模型的 AI 眼镜，在本次期末考试中拿下 92.5 分，成绩超过了 95% 的学生。
不仅如此，在多项选择题和单页短答题中，乐奇 Rokid 均获得满分，即便是难度更高的跨页短答题（SAQ），也拿到了大部分分数：
此外，在面对那些核心问题被拆分在不同页码、高度依赖上下文逻辑的跨页短答题，乐奇 Rokid 依然展现出了极强的推理连贯性。
即便在计算最复杂的部分偶尔出现偏差，但 AI 给出的中间步骤也算得上非常完整，在处理高压知识任务时也是手拿把掐～
当然，这场测试在跑通软件逻辑的同时，也无情地照出了目前商业 AI 眼镜存在的《短板》。
首先暴露出来的，是功耗问题。
在考试这样的高压连续场景下，连接本身就已经成为主要耗电源，实验中只要开启 Wi-Fi、持续进行高分辨率图像传输，30 分钟内眼镜电量就会从 100% 迅速跌到 58%。
换句话说，如果 AI 眼镜要真正走向全天候、长时间使用，功耗控制和连接稳定性依然是绕不开的工程瓶颈...
不仅如此，项目团队还发现眼镜摄像头的「清晰度」会直接决定 AI 的视力，一旦题目出现模糊、反光或拍摄角度偏差，再强的模型也只能在不完整信息上做推理，最终体现在答题表现上的，就是明显下滑的稳定性。
但... 这场测试带来的冲击和反思，并不只停留在技术层面。
在不做任何特殊照顾的前提下，AI 眼镜依然能够把一整套读题---理解---作答的流程跑得又快又稳，这反过来照出了一个更值得注意的问题------
当教学评估主要关注的只是最后有没有交出一份「标准答案」时，它恰好落在了 AI 最擅长、也最稳定的能力区间里。
也正因为如此，那套以知识点掌握程度和标准解题路径为核心的教学评估方式，在一个早已被各种 "学习机" 包围的时代，开始显得有些吃力了。
有了聪明的 AI，传统教学评估标准还站得住脚吗
不知道大家有没有发现一件挺有意思的事情：
从小学一路考到大学，我们最熟悉的考试，其实一直在反复确认同一件事，那就是有没有把老师讲的内容记住，以及能不能按标准方法，把题一步步算对。
u1s1，在很长一段时间里，这套评估方式确实挺管用。
因为在记忆、计算、按步骤推导这些能力上，人和人之间确实存在明显差距，有人记得牢、算得快，有人就是会漏步骤、算错数。
成绩单上的数字，也确实能覆盖一个人相当大比例的学习表现。
但问题在于，当 AI 开始在这些评估维度上，也变得又快、又稳、而且几乎不出错时，事情就开始变得微妙了...
此前，一位创业者小孩哥 Eddy Xu 通过改装 Meta 智能眼镜，做出了一套可以在国际象棋比赛中实时显示最优解法的 "作弊" 设备，在几乎不需要自己思考的情况下，就能稳定赢下对局：
在这个过程中，AI 眼镜不会紧张，也不会疲劳，更不存在临场波动，一个字形容------稳。
这和乐奇 Rokid 眼镜参加期末考试的表现其实是同一套逻辑：只要题目规则清晰、评价目标单一，AI 就能把读题---理解---推理---作答这套流程稳定跑完。
哪怕脱离纸笔形态，它依然能在高度结构化的考试里，持续拿到高分。
类似的案例并不只发生在个人层面。
此前，英国雷丁大学的一项研究还发现，当研究人员将 AI 生成的答卷混入考试题库后，有高达 94% 的试卷成功 "浑水摸鱼"，而这些 AI 的平均成绩，甚至还明显高于真实学生...（天塌啦
这下是真有点尴尬了------比人比不过，比 AI 也比不过：
让人大跌眼镜大开眼界的同时，一个原本不那么尖锐的问题被直接推到台前------
当 AI 或机器比人更擅长按标准作答时，那套以笔试为核心、用来衡量知识点掌握程度的评估体系，到底在测什么？
回过头看教学培养的最初目的，我们会发现很多被反复强调的重要能力，其实并不天然适配 "一张试卷" 这种形式。
------比如提出好问题的能力。
------在信息不完整时做判断的能力。
------在多种方案之间权衡取舍的能力。
------以及理解现实情境、理解他人立场的能力。
......
这些能力真正指向的是学习过程、思考路径和决策质量，答案是否标准只是其中很小的一部分。
也是长期以来最难被传统笔试捕捉，最容易被系统性忽略，恰好也是 AI 最难替代、也最能区分学生真实素养的地方。
从结果导向，转向对推理路径、探究过程、跨学科整合与创造性解题能力的整体评估，这也许才是 AI 眼镜进入考场后，对现有教学评估体系提出的那道真正难题。
评估重心从「交答案」到「交思路」
教育心理学家加德纳曾在《Frames of Mind》中提到，人类至少拥有 8 种不同类型的智能------
包括语言、逻辑数学、空间、音乐、人际、内省、身体运动、自然观察。
从这个视角看，人类能力本身就是一个高度多维的结构，而我们所熟悉的教学评估体系，长期以来却只集中捕捉了其中非常狭窄的一段。
这也不难解释，为啥一些在标准化测试中表现并不突出的学生，反而能在真实世界中展现出更强的创造力、协作能力和复杂问题解决能力。
毕竟单一考试成绩更多反映的只是学生在「标准化环境」中的发挥稳定性，像真实情境下的个人综合素质其实显露不太出来......
也正因如此，如何评估创新能力、批判性思维和复杂问题解决能力，正在成为教育评估体系绕不开的一个现实难题。
目前一些指向不同方向的评估尝试，已经出现～
前不久，纽约大学 Stern 商学院教授 Panos Ipeirotis 推出了一套由 AI 支撑的口试评估方式，学生不仅要提交作业，还需要当场解释自己的决策依据和思路走向，在对话中把理解与推理展开来。
这套机制中，AI 先充当考官进行追问，再参与到后续评估环节。
Claude、Gemini 和 ChatGPT 会分别对口试转录进行独立评分，随后交叉审查并修订结果，用来判断学生是否真正理解问题，同时暴露教学中的共性盲区：
怎么说呢，感觉这种做法谈不上专门 "对付"AI，但确实把教学评估重心往理解本身挪了一步。
类似的变化并非个例，此前《华盛顿邮报》也提到，目前国外部分高校已经开始引入口试、展示型作业等形式，本质上也是为了让学生的思考过程变得显现。
所以回过头看，当搭载 GPT-5.2 的乐奇 AI 眼镜走进考场并交出高分时，AI 是否「考赢」了学生似乎也没有那么重要了。
它更像一次特别但清晰的显影实验，让一个长期存在却很少被正视的问题浮出水面：
传统教学评估高度依赖最终答案，却几乎无法刻画整个学习过程。
分数当然是有意义的，但它所能解释的范围正在变窄，理解是否真正发生、思路是否连贯、判断是否经过取舍，这些关键环节，仍然被压缩成一个单一结果，难以被区分和看见。
也正是在这一点上，单纯地把技术挡在门外，其实已经很难回应问题本身了。（也不见得阻挡得了...
更现实的挑战，变成了如何让学生把 AI 用在信息整理、方案推演和假设验证上，把人的精力集中到判断、理解和选择这些无法被「外包」的环节。
当工具可以稳定完成信息提取与标准作答，课堂与考试是否还能区分不同层次的思考，正被推到台前。
欢迎在评论区留下你的想法！
--- 完 ---