AI 解题第一，出题和教人也能第一吗？

AI 概念插画。

班里最会做题的人，被请上讲台，未必最会把题讲明白。给 AI 换个座位，也能看到类似的反差。

宾夕法尼亚大学的 Environment Duels 把九个模型同时放在出题者和解题者的位置。它们编写可执行的交互任务，再互相挑战：一次没有提示，一次拿到出题者写的提示。研究于 2026 年 10 月 21 日提交为预印本。原文

难倒别人，只完成了一半

这场比赛还问：给出关键提示后，对方能不能做出来？因此，难度和提示带来的成功率提升，要分开算。

作者报告，Claude Opus 5 的解题成功率最高，达到 94.4%；出题难度领先的却是 DeepSeek V4.1 Flash，而提示净提升最高的是 Qwen3.8-27B，达到 21.2 个百分点。结果

好提示，也得看谁来读

提示有时会把原本能成功的尝试带偏。论文观察到，较强模型给出的抽象说明，可能让较弱解题者过早选定路线，放弃原本有效的探索。

这项比较只有九个模型、90 个环境，而且各模型使用自己的 Agent 框架，成绩包含框架的影响。研究还剔除了三例经人工与模型审核共同判为无效的环境种子。方法与审核

我更愿意把它当作挑选 AI 搭档的一条思路：让最会解题的负责攻关，让擅长设计挑战的负责找漏洞；需要教学时，再检查解释是否真的帮到了当前这位学习者。一个总分，很难替这些岗位同时招到合适的人。

---

论文：Environment Duels: A Microcosm of LLM Co-Evolution
作者：Shibo Jin、Zhiqiu Xu、Yiling Zou、Shangyu Gong、Mayur Naik，University of Pennsylvania
提交日期：2026-10-21，arXiv 预印本 v1
阅读依据：论文全文及附录；末段为本文的应用思考。