一场特殊的“人机考试”在香港科技大学引发广泛讨论。一支研究团队将搭载ChatGPT-5.2模型的智能眼镜带入《计算机网络原理》期末考场，在严格模拟真实考试环境的条件下，这台AI设备不仅在30分钟内完成试卷，更以92.5分的成绩跻身全年级前5%，超过95%的人类考生。这场实验并非学生恶作剧，而是由该校张军教授与孟子立教授团队主导的学术研究，旨在探讨人工智能对传统教学评估体系的冲击。
实验筹备阶段，研究团队对市面上12款主流智能眼镜进行筛选。meta、小米等品牌产品因硬件限制被淘汰，最终乐奇Rokid凭借其开放的SDK开发接口和清晰的摄像头画质胜出。在模型选择上，团队测试了多款主流大模型，最终确定采用OpenAI最新发布的ChatGPT-5.2，该模型在响应速度和知识广度上表现最优。考试过程中，AI眼镜通过摄像头捕捉题目，经手机中转至云端大模型处理，再将答案传回眼镜屏幕供抄录，整个流程形成完整闭环。
测试结果显示，AI在多项选择题和单页短答题中均获满分，跨页综合题也取得显著优势。面对分散在多页的逻辑推理题，AI展现出强大的上下文关联能力，即便在复杂计算中出现细微偏差，其解题步骤的完整性仍优于多数人类考生。研究团队特别指出，AI在高压知识任务处理中表现出稳定优势，不会因紧张或疲劳影响发挥，这种特性在标准化考试中形成明显竞争力。
实验同时暴露出智能眼镜的技术短板。在持续30分钟的高强度使用中，设备电量从100%骤降至58%，功耗问题成为制约全天候使用的关键因素。摄像头清晰度直接影响答题质量，当题目出现模糊或反光时，AI的推理稳定性明显下降。这些发现为智能穿戴设备的优化提供了实证依据，也揭示出AI作弊设备从实验室走向实际应用仍需突破多重技术瓶颈。
这场实验引发的思考远超技术范畴。传统教学评估体系长期以标准答案为核心，重点考察记忆准确性和解题规范性。当AI在这些维度展现出超越人类的稳定性时，现有评估方式的有效性受到质疑。教育专家指出，真实世界需要的能力包括提出创新问题、在信息不全时做出判断、权衡多方案利弊等，这些恰恰是标准化考试难以衡量的维度。纽约大学近期推出的AI辅助口试评估系统，通过要求学生解释解题思路，尝试将评估重心转向思维过程而非最终答案。
部分高校已开始调整评估方式，引入项目展示、现场答辩等多元化考核形式。英国雷丁大学的研究显示，AI生成的答卷在传统考试中平均得分高于人类学生，但当评估标准转向批判性思维和创造性解决问题时，人类学生的优势立即显现。这种对比凸显出教学评估改革的紧迫性——当工具能够高效完成信息处理和标准作答时，教育系统需要重新定义“能力”的内涵，将评估重点转向判断力、理解力和选择力等无法被技术替代的核心素养。
