摘要：香港科技大学一项实验显示，搭载GPT-5.2模型的AI眼镜在《计算机网络原理》期末考试中，仅用30分钟即获得92.5分，成绩超过了95%的人类考生。该实验不仅揭示了当前AI眼镜在功耗和图像识别清晰度上的技术瓶颈，更引发了对传统教学评估体系的深度反思。当AI能稳定完成标准化答题时，以最终答案为重心的评估方式的有效性受到挑战，教育评估重心可能需要向考察思维过程、创新与复杂问题解决能力转变。
线索：
* 投资机会：实验成功验证了“AI+智能眼镜”在教育、专业辅助等结构化知识场景中的应用潜力。硬件厂商（如乐奇Rokid）在开放生态与开发友好性上的优势，以及大模型（如GPT-5.2）在复杂推理任务上的性能，是相关产业链的关注点。同时，催生了对于新型教育评估技术（如AI辅助口试、过程性评价工具）的需求。
* 投资风险：实验同时暴露了当前消费级AI眼镜的明显短板：持续高负荷运行下的功耗问题（30分钟耗电约42%）和摄像头成像质量对AI性能的制约。这些是影响产品体验与可靠性的关键技术瓶颈。此外，AI对传统评估模式的冲击可能引发政策与伦理风险，影响相关教育科技产品的落地路径。
正文：
香港科技大学张军教授、孟子立教授团队进行了一项实验，让一副搭载大语言模型的AI眼镜参加《计算机网络原理》课程的期末考试，以测试其在真实考场环境下的表现。
研究团队首先对硬件进行了筛选。在评估了包括Meta、小米、乐奇Rokid等在内的12款主流商业智能眼镜后，团队基于设备需同时具备内置摄像头和集成显示屏、以及开发自由度等条件，最终选择了乐奇（Rokid）的AI眼镜作为实验硬件。在软件层面，团队对比了多款主流大模型后，选定了OpenAI的ChatGPT-5.2模型作为AI“大脑”。
考试过程中，学生佩戴眼镜查看试卷，眼镜摄像头拍摄试题后，通过“眼镜—手机—云端”的链路将图像传输给远程的GPT-5.2模型进行推理。模型生成的答案沿原路径返回，并显示在眼镜屏幕上供学生抄录。
实验结果显示，该AI眼镜系统在考试中获得了92.5分，其成绩在百余人中排名前五，超越了约95%的考生。在多项选择题和单页短答题上，AI获得了满分。即便在面对需要跨页理解上下文逻辑的复杂短答题时，AI也展现了较强的推理连贯性，虽然在最复杂的计算部分偶有偏差，但解题步骤完整。
此次实验也暴露了当前AI眼镜的技术局限。首要问题是功耗：在持续开启Wi-Fi并进行高分辨率图像传输的高压场景下，眼镜在30分钟内电量从100%下降至58%。其次是摄像头清晰度：图像质量直接决定AI识别题目的准确性，若题目存在模糊、反光或拍摄角度问题，将导致AI基于不完整信息推理，从而影响答题稳定性。
该实验结果引发了对于传统教学评估体系的思考。实验表明，在规则清晰、目标单一的标准化考试中，AI能够稳定、高效地完成“读题-理解-推理-作答”的全流程，并取得高分。这指向一个核心问题：当AI在产出标准答案方面表现优于多数人类时，以笔试为主、侧重考察知识点记忆与标准解题步骤的传统评估方式，其有效性面临挑战。
有观点指出，教育的许多重要目标，如提出问题的能力、在不完整信息下做判断的能力、权衡取舍的能力以及理解现实情境与他人立场的能力，难以通过传统笔试有效衡量。这些关乎学习过程、思考路径和决策质量的能力，恰恰是当前AI难以替代、且能区分学生综合素养的关键。
因此，教学评估体系可能需要从侧重于最终答案，转向更关注学生的推理过程、探究方法和创造性解决问题的能力。一些探索已在实践中出现，例如纽约大学斯特恩商学院有教授尝试采用AI辅助的口试评估，要求学生解释自己的作业思路与决策依据，并由多个AI模型对答辩转录进行交叉评分，以考察学生的真实理解程度。此外，部分海外高校也已引入口试、展示型作业等评估形式，旨在让学生的思考过程变得可见。
综上所述，AI眼镜在考场中的表现，更像是一次将传统评估体系局限性显影的实验。它提出了一个现实挑战：在教育环境中，当工具能可靠处理信息提取与标准作答时，教学与评估应如何进化，以有效区分和培养人类独有的高层次思维与创新能力。
发布时间：2026-01-06 19:15:27
评论 ( 0 )