一场不同寻常的“人机对决”在香港科技大学的期末考场悄然上演——一支研究团队将搭载ChatGPT-5.2模型的智能眼镜送入考场，以“作弊者”身份完成《计算机网络原理》期末考试。最终，这款AI设备仅用30分钟便交出92.5分的答卷，成绩跻身全年级前5%，碾压95%的人类考生。这场实验不仅引发对技术伦理的讨论，更将传统教学评估体系的局限性推至风口浪尖。
实验由该校张军教授与孟子立教授团队主导，旨在通过模拟真实作弊场景，测试AI在标准化考试中的表现。研究团队从12款主流智能眼镜中筛选硬件，最终选定乐奇Rokid产品——其摄像头分辨率、显示屏集成度及开发自由度均优于meta等竞品。软件层面则采用OpenAI最新模型ChatGPT-5.2，通过“眼镜-手机-云端”链路实现题目拍摄、答案生成与屏幕显示的全流程自动化。
考试过程中，AI眼镜展现出惊人的效率：学生低头审题时，设备同步捕捉试卷内容并传输至云端；大模型在0.8秒内完成推理，答案经反向链路返回并显示在镜片上。在多项选择题与单页短答题中，AI均获满分；面对跨页逻辑题时，虽在复杂计算部分出现细微偏差，但中间步骤完整度与推理连贯性仍远超多数人类考生。研究团队坦言：“AI的中间步骤甚至比部分学生的最终答案更规范。”
然而，这场“完美作弊”背后，智能眼镜的技术短板亦暴露无遗。实验数据显示，持续高分辨率图像传输导致设备电量在30分钟内从100%骤降至58%，功耗问题成为全天候使用的最大障碍。摄像头清晰度直接影响答题稳定性——当题目出现模糊或反光时，AI因信息缺失导致推理错误率显著上升。团队成员指出：“目前商业设备的硬件性能仍无法支撑高压考试场景的持续运行。”
比技术局限更值得关注的，是实验对传统评估体系的冲击。长期以来，标准化考试以“标准答案”为核心，重点考察记忆能力与步骤推导。但当AI在这些维度展现出绝对优势时，考试的本质开始受到质疑。英国雷丁大学此前研究显示，混入AI生成的答卷中，94%成功通过人工审核，且平均成绩高于真实学生。这种现象引发教育界深思：当机器比人类更擅长“交答案”，考试究竟在衡量什么？
教育心理学家指出，人类能力包含语言、逻辑、空间、人际等八大智能维度，而传统笔试仅能捕捉其中极小部分。例如，提出创新问题的能力、在信息缺失时做出判断的能力，以及理解现实情境的能力，这些真正区分学生素养的关键指标，往往被压缩成试卷上的单一分数。纽约大学Stern商学院近期推出的AI口试评估系统，正是试图通过追问决策依据与思路走向，将评估重心从“结果”转向“过程”。该系统中，Claude、Gemini等模型独立评分后交叉审查，以暴露学生理解盲区。
部分高校已开始尝试改革评估方式。国外某大学引入展示型作业与现场答辩，要求学生口头解释方案推演过程；另有机构采用“过程性档案袋”，记录学生从提出问题到解决问题的完整轨迹。这些变革背后，是教育者对技术时代的回应——当AI能稳定完成信息提取与标准作答，课堂与考试必须转向考察人类独有的判断力、理解力与选择力。
这场人机同场考试犹如一面镜子，既照见智能设备的潜力边界，也映出传统评估体系的陈旧框架。技术无法被简单阻挡，但如何引导其成为辅助思考的工具，而非替代人类思维的“作弊器”，将成为教育领域的新课题。正如研究团队所言：“重点不是AI能否考赢学生，而是我们该用什么标准衡量真正的学习。”
