墨西哥大学入学考试高分段比例从3.5%飙至16.3%，5.8万人重考

“远程考试配合AI监考，本应杜绝作弊，但结果恰恰相反。” Ars Technica 的报道开门见山，揭示了一场被全球科技媒体围观的考试事故。2026年夏，墨西哥国立自治大学（UNAM）的入学考试首次尝试完全远程模式，用上了锁定浏览器和AI视觉监考两重保险，却在成绩公布后陷入一场空前的信任危机——5万8000名考生被要求重新走进线下考场。

校长莱奥纳多·罗梅里·瓦内加斯（Leonardo Lomelí Vanegas）通过官方渠道向考生致歉，尤其对那些并未参与任何作弊、却不得不再次备考的学生表达了遗憾。他同时强调，重考是“为了确保确定性，保障入学机会的公平性”。这几乎是一道当代教育技术的灵魂拷问：当AI监考连最基本的分数异常都兜不住，所谓的“公平”还能交给算法吗？

事情要从今年5月底说起。UNAM进行了为期数周的线上入学考试，约16万名考生在各自家中登录系统。为了压制作弊，大学部署了两大技术工具。第一个是 Respondus 公司的 LockDown Browser——一种锁定浏览器，考试期间考生无法打印、复制内容、访问其他网址或打开电脑上的任何应用程序，连网页搜索、即时通讯、窗口最小化等功能都被一并禁用，只有在考试结束关闭浏览器后，电脑才会恢复正常。第二个则是 Territorium 公司的人工智能监考系统，它通过考生的网络摄像头实时分析视频流，自动检测替考、使用手机或隐藏耳机、目光长时间离开屏幕等违规迹象。平台还为每150名考生配备一名人工监考员，一旦AI发出警报，监考员便可介入并向校方报告。

这样一个看似滴水不漏的防作弊体系，却被分数分布撕开了裂缝。出题共120道，均为选择题。对比历年分数段占比，2021至2025年间，取得100分及以上（满分120分）的考生仅占3.5%，而2026年的同一指标飙升至16.3%；110分及以上的佼佼者更从往年的0.9%蹿到5.5%。换句话说，顶尖分数段的人数膨胀了数倍，专业数学测试上的这种统计突变，几乎不可能用“这届学生特别优秀”来解释。校方立刻意识到，大范围作弊极有可能发生，随即成立多学科技术委员会展开调查。

委员会的结论非常直白：在梳理了所有技术局限和考生端隐患后，最佳修正路径就是回归面对面考试。于是，一张沉重的重考通知发向了不仅包括2026届应试者，还倒追至2021年以来所有在各专业最低录取线“压线”通过的学生，总计5万8000人。而2026学年的首堂课就定在8月10日，若不开学延期，大学必须在几天内完成对数万人的重考组织。Ars Technica 在报道中称，这一时间表对任何高校都是极限压力测试。

那么，究竟是什么作弊手段让AI防线变得如此脆弱？考试前夕，各大社交平台上其实早已流传着各式各样的“通关秘籍”。据《纽约时报》的说法，常见的建议包括：在摄像头视野范围外放置另一台显示器，直接连接ChatGPT等大模型实时获取答案；将微型耳机藏在头发下，由场外人员传送选项；甚至干脆让“枪手”蹲在摄像头盲区替考。这些手段精准打击了AI监考的核心弱点——摄像头只能看到镜头前的一片区域。只要把违规设备放置在框外，监考系统就完全失明。

更棘手的是，考试题型让AI很难揪出异常。由于并非要求输入长文的主观题，而是选择题，考生只需点击选项，不存在考试界面上瞬间粘贴大段文本这种典型AI作弊痕迹。传统的小抄、偷看手机等行为同样不会在鼠标和界面上留下可供系统标记的电子足迹。Territorium 的算法主要围绕视觉和声学线索设计，比如发现未注册的人脸、检测电子屏幕反光或蓝牙信号，但面对一个在侧面物理空间里精心布置的“第二操作台”，摄像头可能连续几小时都捕捉不到有效证据。

结果也印证了这种尴尬。虽然 LockDown Browser 限制本地操作环境，Territorium 的监考AI又配有人工复核，但整场考试下来，最终被判定为实际作弊的考生数量“极少”。后面这个词在墨西哥媒体和 Ars Technica 的引用中都留下了耐人寻味的信息截断，它生动地说明技术方案上线时信心满满，落地后却沦为旁观者。

再往里看一层，UNAM的翻车并非孤立信号。远程监考市场近年来迅速膨胀，从 Respondus、ProctorU 到 Honorlock，全球多所高校在疫情后的考试中陆续引入类似方案，却也积累了大量的反对声：算法误判、隐私侵犯、对网络条件差的学生不公……而此次 UNAM 事件则戳中了一个更根本的问题——学生对反向工程的能力远超过监考系统的设计预期。当一个考试的高利害性足以影响数万人的升学命运时，钻研如何绕开AI就变成了一门有充分动机的“学问”。

重考决定虽然从统计和程序上最能保真，但对于那些原本靠真实水平考入心仪专业的学生来说，无异于被集体惩罚。有教育研究者在相关讨论中指出，透明度此时比技术本身更重要：大学需要公开到底有多少考生触发了AI警报、人工监考员是否及时上报、以及异常的高分段是集中在特定地区还是均匀分布。这些数据很可能指向更有针对性的筛查方式，而不是把所有边缘考生都重新扔进考场。

另一个急迫的课题是时间。8月10日开课在即，UNAM 的教务系统必须在一周多的时间里完成5万8000人的重考调度、试卷印制、考场安排和人工阅卷，即便最终决定推迟开学，也会打乱整个学年的课程安排。校长已经发话承诺保障公平，但若现实执行跟不上，只会让更多学生和家长对数字化考试失去仅有的一点信心。

回过头看，UNAM 当初选择完全远程考试，背后是墨西哥高昂的线下组织成本和对技术创新的拥抱态度。可这次代价深重的实验证明，当AI监考还无法应对最简单的物理视觉遮蔽时，贸然将其作为唯一防线就是在赌漏洞百出的安全感。未来考试该走向哪里？也许不是“远程或线下”的二选一，而是在设计之初就承认一个事实：任何单向度的监控都可以被拆解，真正能兜底的是考试形式本身——比如加大主观题比重、引入动态题库、配合活体随机抽查。否则，下一次可能不止5.8万人重考这么简单。