AI 挑战高考命题：十次迭代后的反思与试卷发布

📖 这是《让 AI 学透高考命题规律，帮我出了一套物理卷》的后续篇章。依然是一次实验，远未成熟，写下这些想法与同行探讨，期待批评指正。

👉完整的试卷和参考答案（第 10 版最终稿）附在文末。

不久前我写过一篇散记，讲述自己如何利用 AI 生成物理试卷。文章发出后，评论区有教师提问：能否把试卷也公开看看？

说来有些惭愧——那份试卷我当时并未公开，老实说，那套题目确实让我眼前一亮，因为它能自动生成插图，所以上一篇推送中我展示了不少图片，但那套卷子偏向基础，与高考差距甚远，我总感觉还能做得更出色。

这条留言我一直牢记在心。我想：不如重新制作一份，于是，我与 AI 较上了劲，结果一纠缠，就纠缠了十个版本。

我没有把真题原文丢给它让它“照搬照抄”——那既无价值，也不可靠。我采取的是另一种方式：将近五年公开的江苏物理卷逐题拆解，反向提炼它反复出现的命题模式，整理成一份“范式库”，在出卷之前先输入给它。

▲ 逆向分析五年江苏卷总结的命题模式，出卷前先输入给它

第一版出炉时，乍看还挺像样。可一旦与真题并列逐题对比，就暴露了不足。于是有了第二版、第三版……每一版，我都只问它一句尖锐的问题：“诚实地说，这版与真实高考差距在哪里？”

起初，我俩都聚焦在一个字上：深。压轴题越挖越艰深。直到有一次我换了个角度提问——“你别只比较深度，比比覆盖面，高考考查的那些知识点你都涵盖到了吗？”这一对比才发现：为了深挖压轴题，我不知不觉中挤压掉了一些考点，深度，是以牺牲广度换来的。一份优秀试卷的难点在于：深度和广度如同跷跷板，必须同时压住两端。

这里要先阐明一件事：这十个版本，我没有手动修改过任何一处。每次调整，都是把意见提给它、让它重新生成。我没有亲手画过一张图、没有在 Word 里移动过一个文本框、没有改动过一个答案——全部工作，都是它完成的。

仅凭感觉判断“像不像”太过虚无。我索性依照《中国高考评价体系》的思路，把“一份试卷该与真题比较什么”拆解为命题质量八个维度，分四类——底线（科学性、规范性）、效度（内容效度、结构效度）、测量学（难度、区分度）、导向与公平，逐项评分。

▲ 八维评估：第10版对标高考真题（满分 10 ＝ 真题水平）

结果定格在8.1：科学性、规范性这两条底线基本满分；但真正的弱点，是区分度和结构效度——说白了就是“中档题无法区分学生水平”“有些题还在考查记忆、而非考查素养”，而这恰恰是与高考差距最显著的地方。

别看打了 8.1——那是它自己衡量自己，分数这东西，自我评估，天然偏高。真正把它和高考卷放在一起比较，尤其那道压轴题，差距大得让我心里没底：它能算对、能自圆其说，可就是不“凌厉”，缺少那种让你做到一半卡住、又豁然开朗的设计。

打磨了十遍还差这么远，我逐渐意识到：问题恐怕不在某一题，而在“出卷的方法”本身。我一直是“一个人 ＋ 一个 AI，来回打磨”。可真实高考是一整个命题组：有人专门攻克压轴题、有人紧盯覆盖面、有人充当“考生”试做查找漏洞、有人负责终审。我一个人既当命题人又当审稿人，眼界和精力都有上限。

所以我现在最大的困惑是：是否该换个方法——让多个 AI 分工协作来出卷？一个专攻压轴题、一个紧盯覆盖面、一个扮演“高考评审”专门挑刺、一个死磕数值和配图，让它们互相挑刺、来回博弈，而不是我一个人和一个 AI 死磕。这条路是否可行，我也没有想透彻，还得继续探索，也特别想听听同行的见解。

说了这么多，把整份试卷和答案都公开，供你评判、也欢迎批评。但公开之前，我最想强调的是这一点——

下面你看到的每一张图、整张试卷的排版、答案里每一步解析和每一张解题图，都是 AI 一条指令直接生成的“原貌”。我没有手动画过一张图（没打开过几何画板）、没有自己排过一行版（没在 Word 里移动过一个文本框）、没有改动过一个答案。十个版本改变的只是“出哪道题、难到什么程度”，每次也都是让它重新生成——一个像素、一个标点，我都没动手。这份“原生”程度，说实话我自己也震惊了。

📄 试卷

前两页按“左栏→右栏”阅读；压轴题单独一整页。

▲ 第1页·左栏 — 卷头 + 单选 1–4

▲ 第1页·右栏 — 单选 5–9

▲ 第2页·左栏 — 单选 10–11、实验题

▲ 第2页·右栏 — 计算 13–16

▲ 第3页 — 压轴 16（磁谱仪方向聚焦，独占一页）

✅ 参考答案及解析 · 共 5 页

逐题分析、配解题图，按“能让学生拿着自学”的标准生成——同样一处未改。

▲ 答案 第 1 页

▲ 答案 第 2 页

▲ 答案 第 3 页

▲ 答案 第 4 页

▲ 答案 第 5 页

好不好用由你判断，更欢迎在评论区批评、聊聊你的办法。👇