在智能终端加速迭代的背景下，“可穿戴+大模型”走进课堂与考场的情景正从设想变为现实。
香港科技大学研究团队主导的一项测试显示，某款智能眼镜在本科专业课期末试卷中获得较高分数，作答时间明显短于人工考试用时。
这一结果既体现出新技术对专业知识检索与生成式解题的能力，也把教育评价与治理体系面临的现实问题推到台前。
一、问题：工具能力跃升，传统考试假设受到挑战 长期以来，多数高校以闭卷或限时考试为主要评价方式，隐含前提是学生在相对隔离的环境中独立完成知识理解与应用。
随着可穿戴设备、云端推理与多模态识别能力提升，部分工具能够在短时间内完成信息提取、推导与表述，导致“考试检验的究竟是学生能力还是工具能力”这一问题愈发突出。
尤其是在以知识复现、标准化解题为主的考核中，技术的优势可能更为明显。
二、原因：模型机制与终端形态共同推动“随身辅助”成为可能 其一，模型在大量文本与代码数据训练基础上，具备较强的概念归纳与题型匹配能力，能够在网络类课程中完成计算、协议解释与作图描述等任务。
其二，智能眼镜将拍摄、识别、传输与生成整合为连续链路，使“看题—理解—作答”形成快速闭环，显著降低使用门槛。
其三，教育场景对“正确答案”的可验证性较强，进一步放大了工具在标准化问题中的表现空间。
但测试同样显示，系统并非无所不能：在需要跨页面汇总条件、串联多个小题线索的解答题中更易失分。
这也提示，当任务要求长程依赖、多步骤推理和稳定的上下文保持时，现有系统仍可能出现信息遗漏、推理断裂或表达偏差。
此外，可穿戴终端受限于电池容量、网络稳定与图像传输成本，使用高分辨率图片进行识别会带来功耗快速上升等工程性约束，说明“能力提升”与“可持续使用”之间仍需平衡。
三、影响：教育评价、学术诚信与公平问题同步显现 首先，评价目标面临调整压力。
若考试主要检验对既有知识的复现与常规题型的解答，那么工具越强，考试区分度越可能下降，评价结果与人才培养目标之间的匹配度也会被削弱。
其次，学术诚信边界更需明确。
工具参与学习与作业并非天然负面，但在考试、论文与科研产出等关键环节，如何界定允许使用的范围、如何记录使用过程、如何追溯责任主体，均需要制度化回答。
再次，教育公平隐忧不容忽视。
高质量软硬件资源可能率先在资源充足的学校和群体中普及，若缺少配套政策，技术红利可能转化为新的差距。
四、对策：从“禁用”走向“规则化使用”，从“考答案”走向“考能力” 业内与教育界普遍认为，治理不应停留在简单的“全面禁止”或“完全放开”，而应更强调场景化、可执行、可追责的制度设计。
一是重塑评价导向。
将考核重点从单纯记忆与复现，逐步转向问题定义、方案设计、证据链构建与结果解释，强调思路的透明度与可验证性。
可探索开放性题目、项目式考核、现场展示与口试结合等方式，提高对综合能力的检验。
二是完善学术规范。
高校可在课程大纲、考试说明与论文规范中明确“可用、限用、禁用”清单，要求注明工具参与程度与引用来源，建立统一的披露与审核机制。
对关键环节可采用现场监考、设备管理、随机追问与过程性材料提交等组合手段，提升诚信治理的可操作性。
三是推动能力培养。
将“人机协作素养”纳入教学目标，引导学生学习如何提出高质量问题、如何核验事实与推理、如何识别幻觉与偏差，把工具使用从“替代”转向“增能”。
四是加强公平供给与安全底线。
针对不同地区、不同学校资源差异，可探索公共平台、共享工具与普惠培训，避免技术资源成为新的“门槛”。
同时，应重视数据安全与隐私保护，明确题库、试卷与学生信息的采集与存储边界。
五、前景：教育与技术将相互塑形，关键在于治理与创新并进 可以预见，可穿戴终端与智能系统在学习辅助、实验演示、个性化辅导等方面仍将持续渗透，教育场景也将倒逼技术向更强的文档理解、长程推理、可解释与低功耗方向演进。
未来一段时期，考试与评价制度可能呈现分层化趋势：基础知识环节更注重理解与应用的真实性验证，综合能力环节更强调过程产出与创新表达；与此同时，教师角色也将更多转向学习设计、思维训练与价值引导。
这场由一副智能眼镜引发的教育反思，实质是技术革命对人才培养模式的深层叩问。
正如教育部相关负责人所言："我们既要拥抱技术带来的效率革命，更要坚守教育的本质——培养具有独立思考能力和人文精神的全面发展的人。
"在人工智能与人类智慧共生的新纪元，如何构建兼具包容性与前瞻性的教育生态，将成为影响国家未来竞争力的关键命题。