复旦数据挖掘课创新考核：学生出题考AI 答错率越高得分越高

AI创作导航管理员 LV4 资深连续登录30天萌新

2 个月前

风向

2026年7月，复旦大学计算与智能创新学院肖仰华教授负责的《数据挖掘技术》课程推出全新期末考核模式：学生需独立设计10道带唯一标准答案及完整推导过程的数据挖掘计算题，测试3个不同能力梯度的AI模型，AI答错率越高学生得分越高，最终全班共4名学生斩获满分。该模式打破传统考核逻辑，为AI时代高等教育考核改革提供了参考样本。

随着大语言模型在全球范围内的普及，高校理工科课程的传统考核逻辑正在遭遇前所未有的挑战。以数据挖掘这类标准化程度较高的课程为例，常规的算法计算题、推导题，主流通用大模型的答题准确率普遍超过95%，运算速度更是远超人类学生。不少高校教师此前都曾公开反馈，学生提交的课后作业、期末答卷中，AI生成内容占比逐年升高，传统的答题类考核已经很难准确检验学生对知识点的真实掌握程度。

如果依旧沿用传统的出题思路，相当于在AI最擅长的运算、记忆领域和其硬碰硬，既无法筛选出真正掌握核心能力的学生，也容易引导学生陷入“和AI比速度、比准确率”的无意义竞争。

这次复旦大学推出的考核模式，完全逆转了传统的“考官出题、学生答题”的逻辑。根据规则，学生提交的10道计算题不能是公开题库的已有题型，必须自行设置参数、设计逻辑陷阱，同时附带完整的推导过程和唯一正确答案。所有题目将依次在入门级开源小模型、通用大模型、专业领域微调模型三个不同能力层级的AI系统上测试，只要AI答错的题目数量越多、答错题目对应的AI能力层级越高，学生最终的考核得分就越高。

本次考核中，共有4名学生设计的题目成功难住了全部三个层级的AI系统，拿到了满分。肖仰华教授表示，这种考核模式本质上是要求学生站在比AI更高的维度理解知识点：只有完全吃透算法的底层逻辑、清楚AI多步推导的常见盲区，才能设计出足够有迷惑性的题目，其对学生能力的考察深度远高于传统答题模式。

这次复旦的考核创新并非个例。据了解，目前国内已有多所高校的计算机、应用数学、金融工程等专业开始探索AI时代的新型考核模式，核心方向均从“考核学生的知识记忆、运算能力”转向“考核学生对AI的驾驭、校验能力”。

业内教育专家指出，禁止学生使用AI既不现实也不符合技术发展趋势，未来的高等教育会逐步将AI作为常规教学辅助工具，而类似“人考AI”的考核模式，不仅能更准确地检验学生的核心能力，学生设计的大量难住AI的题目，也可以作为专业领域的训练数据，反哺AI模型的能力迭代，实现教学和技术发展的双向共赢。

大语言模型人工智能复旦大学教育改革数据挖掘

本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。