<div id="readability-page-1">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： <img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/44fa6719-22bc-4242-8748-31567880dc2b.jpeg?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="1024" height="266" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/44fa6719-22bc-4242-8748-31567880dc2b.jpeg"/> 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。 <h2>一副 AI 眼镜，跑完了一整场大学期末考试</h2> 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： <img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/8c3cddb9-ad02-4d46-a9cb-ea73ec4647e1.jpeg?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="1024" height="829" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/8c3cddb9-ad02-4d46-a9cb-ea73ec4647e1.jpeg"/> 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： <img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/8522a332-14cf-4d7e-b4dd-9c23ea3d7633.jpeg?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="990" height="326" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/8522a332-14cf-4d7e-b4dd-9c23ea3d7633.jpeg"/> 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～ <img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/dc95dbd4-e093-4c79-93d9-816ee3d9808f.jpeg?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="1024" height="671" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/dc95dbd4-e093-4c79-93d9-816ee3d9808f.jpeg"/> 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。 <h2>有了聪明的 AI，传统教学评估标准还站得住脚吗</h2> 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： <img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/6b583480-e278-407e-84f5-7b52f2a311a5.jpeg?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="884" height="1013" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/6b583480-e278-407e-84f5-7b52f2a311a5.jpeg"/> 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： <img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/d36ed9db-5474-4c74-ba86-d369d059d937.jpeg?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="1024" height="1308" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/d36ed9db-5474-4c74-ba86-d369d059d937.jpeg"/> 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。 <h2>评估重心从「交答案」到「交思路」</h2> 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。 <img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/10ba0885-4840-44de-993c-fc2098eb1826.jpeg?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="1024" height="788" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/10ba0885-4840-44de-993c-fc2098eb1826.jpeg"/> 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： <img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/4cd5d3d9-5a94-499d-b576-1fb1cb5fb047.jpeg?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="860" height="446" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/4cd5d3d9-5a94-499d-b576-1fb1cb5fb047.jpeg"/> 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。 风险提示及免责条款 市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。 </div>

香港科技大学的教授们进行了一项实验，测试搭载 ChatGPT-5.2 模型的 AI 眼镜在期末考试中的表现。该眼镜在真实考试条件下完成了《计算机网络原理》的试卷，30 分钟内获得 92.5 分，排名前五，超越 95% 的考生。这一实验引发了对传统教学评估体系的质疑，显示出 AI 在教育领域的潜在影响。

港科大教授实测 AI 眼镜 “作弊”：30 分钟碾压 95% 的学生，把传统教学评估体系整破防了