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。 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。 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。 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。 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。 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。 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%。 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。 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—— 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。 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。 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： 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。 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 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。 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…… 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。 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： 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。 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。 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。
