复旦大学“数据挖掘技术”课程期末考核方式近日引发关注，这场考核摒弃了传统试卷答题模式，转而让学生化身“出题人”，通过设计题目考验AI模型的能力。
根据考核规则，每位学生需独立完成10道数据挖掘计算题的设计，题目需具备唯一正确答案及完整推导过程。随后，学生用这些题目对三个不同能力梯度的AI模型进行测试。考核评分机制颇具创新性：AI被难倒的次数越多、答错的题目难度越高，出题学生的得分就越高。这种设计将考核重点从被动答题转向主动挑战AI的逻辑边界。
课程负责人肖仰华教授指出，在AI技术迅猛发展的背景下，传统考试模式已难以有效评估学生的专业能力。若仍采用标准算法题考核，AI在计算速度和准确率上的优势将使人类学生望尘莫及。他强调，与其在AI擅长的领域与其竞争，不如引导学生深入理解专业知识，通过设计题目挖掘AI的逻辑漏洞。这种“人考AI”的考核方式，旨在培养学生的批判性思维和问题发现能力。
在51份期末答卷的测试中，数据呈现出鲜明的对比。50名学生成功让至少一个AI模型在答题中出现错误，仅1名学生未能难倒任何模型，全班平均分达到85.7分。在参与测试的三个模型中，DeepSeek V4-Flash、MiniMax M2.7和Claude Sonnet 4.6展现了不同的能力水平。其中，处于难度顶端的Claude模型表现尤为突出，未被任何学生完全考倒，显示出其强大的逻辑处理能力。
值得注意的是，有4名学生凭借高质量的原创题目，成功让较弱的AI模型在整张试卷中“颗粒无收”，从而获得满分。这些题目不仅设计精妙，更精准切中了AI模型的逻辑短板，体现了学生对专业知识的深刻理解和灵活运用。这场考核不仅检验了学生的能力，也为AI技术的发展提供了独特的反馈视角。
