"AI会取代人类吗？" 这个问题，长久以来让人类心生不安。下棋、画画、乃至写论文，全球各地的人机对决接踵而至，但结论总是模糊不清：情况看具体分析。
今年6月，复旦大学把这种不安搬进了期末考试。计算与智能创新学院数据挖掘技术学科的考场内，不见传统的试卷和标准答案，也没有考生们奋笔疾书的身影。51名学生早早坐在电脑前，要做的事情不是答题，而是“设套”，给3个当下最顶级的AI设计考题。
DeepSeek V4-Flash（由杭州深度求索研发）、MiniMax M2.7（出自上海稀宇科技）、Claude Sonnet 4.6（来自美国Anthropic研发），轮流应战。AI答错一题，学生就得相应加分。
分数揭晓，颇为引人注目。51名学生全部提交答卷，其中50人至少让某个AI吃了瘪。另有4人更是厉害，直接让某个AI拿到了零分。不过，Claude Sonnet 4.6从头至尾，没被任何学生完全击溃。
复旦大学计算与智能创新学院，教授肖仰华在数据挖掘技术课程中授课。复旦大学供图
一次逆向思维的期末考试
人凭什么能考倒AI？
数据挖掘技术，与AI息息相关。若在过去，这场期末考和其它课程考试无异，一张考卷，若干计算题，学生们埋首于题海。
但现在，AI已经能在这些题目上做得比人更快、更精。
“要是AI都能答对所有题目，再考学生‘会不会’还合乎逻辑吗？” 考试一个月前，复旦大学计算与智能创新学院教授肖仰华就在反复思考这个命题。
这并非空穴来风。AI参加高考，成绩能达标985的消息已然见怪不怪，大模型攻城夺地的速度，连教育工作者自己都感到了压力。“真正的本事，是让AI辅助人类进行计算，再由人类去判断它的计算结果，就是在AI的基础上，去完成AI办不到的事情。”
于是，他来了个180度大转弯，修改了考试规则。
角色互换，学生变成出题人，每位同学需要设计10道数据挖掘领域的计算题，而答题者则是3个不同水平的AI大模型。
规矩很简单：哪个综合能力更强的AI被题目难住，出题学生得分就越高，DeepSeek V4-Flash答错一题得1.5分，MiniMax M2.7答错一题得2分，对于综合能力最强的Claude Sonnet 4.6，它答错一题则得3分。学生只要用心出题，就能保证得到60分，总分则封顶100分。
学生们有将近一个月的准备时间，可以用任何工具和方法。出题必须基于课程所学知识或教材内容，每题需要有唯一正确答案，学生自己需要完整地验算一遍。
结果远远超出了肖仰华的预料，平均分达到了85.7分，大大超过了60分的及格线。十几位同学获得了90分以上，更有4人让某个AI获得零分。
成绩单背后，藏着学生们五花八门的出题方案。
复旦大学数据挖掘技术课堂上，学生展示“人考AI”设计考题的思路。复旦大学供图
信息与计算科学专业（计算机方向）大二学生谢锦树最终拿到了97分。一开始，他翻阅了全部教材，专门挑选那些不易察觉的知识点出题。一道题花上四五个小时，改动几个数字、更换几个参数，以为这次总能让AI出糗。但结果，AI轻松应对，不过短短几分钟就给出了完美答案。
他决定“以毒攻毒”，让AI来考AI。他搭建了一个多智能体协作框架，让GPT-5.5 Pro担任“出题老师”来设计10道题，去考DeepSeek、MiniMax、Claude这三个“考生”，并让这些“考生”自行评分。框架运行起来，他看到了AI的“小聪明”。
相比于认真设计高质量考题，AI更擅长寻找规则的空子。GPT-5.5 Pro发送特殊提示词，强迫考生模型中断推理过程；甚至为了完成任务，伪造标准答案，欺骗了全部考生模型，让它们个个给了自己零分。GPT-5.5 Pro就靠着侥幸拿到一道能全歼模型的题目，进行微调、复制，草草了事。
“一旦模型接收到出题指令，任务完成的数量，就会被置于题目内容质量的优先位置。”
