要知道，这是一群不需要参加高考、通过特殊选拔就能直通清华的孩子，本该是万里挑一的数学苗子。若传闻属实，这个结果显然没有达到预期。
而如果你熟悉丘成桐这些年的公开发言，会发现这一幕，他其实早就「预言」过了：「机械式的刷题训练，会让有才华的孩子失去创造力、失去对学问真正的兴趣。如果这些本该是「数学天才」的孩子，真的栽在了一张普通的卷子上，那某种程度上，他担心的事果然发生了。
■网传计划被清退孩子家长的请愿书。需要特别说明：截至发稿，「清退」目前仍以网络流传为主，尚无官方正式通报，网传细节也有多个版本，我们无法百分百核实真伪，但会持续追踪这件事（以下梳理，均以「网传」为前提）
「培养数学家」的期待还有内部学生透露，让丘老先生失望的，可能还不止这一场期末考试。
几乎同一时间，第17届丘成桐大学生数学竞赛（正是丘老先生自己发起、以中国数学前辈命名的顶级赛事）落下帷幕。
结果，五个方向的个人金奖，几乎被北京大学包揽，清华只在极少数奖项里挂上名字。
网传丘老先生对此也很失望。
一个自己亲手创办、倾注了全部理想的书院，学生待遇、师资投入都拉满，却在自己命名的竞赛上被对手碾压，对一位73岁、把「在中国本土培养世界级数学家」当作晚年最大心愿的老人来说，这份挫败感可想而知。其实，早在2024年初接受《南方周末》专访时，丘成桐就谈过他对这批学生的期待。
他说，求真书院培养出的优秀学生「不会比美国学生差」，甚至「有不少学生已经比美国中上水平的学生要好得多」。
他把毕生心血押在了这个书院上，「求真书院是我一生最重要的事业。可谓百川归海，此前所有的努力都是为了求真书院」。
正因如此，外界才格外关注这次考试成绩、竞赛成绩的落差。从昨天「清退」的新闻发酵以来，社交媒体上也吵翻了。
有人说丘老先生做得对，不适合的人就该清退，继续留着才痛苦。还有一种声音，把矛头指向了制度而非孩子：「家长说的没错，清华自己选拔机制出问题了得认，不能让学生背」。
在这里，我们先理清一个概念：风暴中心的「预科班」，到底是什么？
我们查了求真书院公开的2026年招生简章，「丘成桐数学领军计划」的完整流程是这样的：学生要先经过初审、数学基础测试、学科能力测试（一试、二试）、面试、心理测试、体育测试，层层筛选后，拿到的是一份《入围认定证明》，不是录取通知书。
拿到认定之后，学生要到校接受为期约四个月的「预科培养」。简章里白纸黑字写着一句关键的话：预科期间「考察学生对大学学习的适应能力，考察合格方可办理录取手续」。
换句话说：预科班，是一段「准录取」的考察期，类似「试用期」。
这批孩子还没有正式成为清华的学生，他们的学籍、录取手续，都悬在这四个月的考察结果上。
如果这次清退是真的，那就是发生在「正式录取」这道门之前，是针对刚进来考察、还没转正的学生。
而大家常说的、竞赛保送进清华的「丘班」在读生，是另一回事，两者不是一个东西。
搞清楚这个区别很重要，因为它意味着，在制度上，这并不是「把已经录取的学生赶走」，而是「在试用期考核里没通过」。
■丘老先生经常说我们没有自己的数学家，从领军计划的培养目标来看，他对筛选出中国的「潜在数学家」寄予了厚望
恰恰相反，我们看到2026预科班的入围名单，全国仅百人。以四川为例，全省只有13人入选，且几乎全部来自成都七中（9人）这样的顶级名校；浙江25人，集中在温州乐清知临、杭州学军等超级中学的尖子班。
他们考的是微积分、线性代数、群论这些远超高中范围的内容，所以能走到「预科」这一步，意味着他们通过了那场淘汰率极高的选拔，在全国上千万同龄人里是万里挑一的数学尖子。
很多人猜测，有孩子在选拔前跟着机构刷了太多针对性的题，在一张「没刷过的卷子」面前，反而失灵了。
「过拟合」的失效
有人抛出了一个概念来形容这次清退：「过拟合」（Overfitting）。
意思是我们训练一个AI模型，会先给它一批「训练题」（专业叫训练集）反复练习，比如你要教AI认猫，就给它看一万张猫的照片。
理想情况是，AI从这一万张照片里，总结出「猫」的本质规律，有胡须、有尖耳朵、会喵喵叫。这样，哪怕来了一张它从没见过的新照片，它也能认出来，这叫泛化能力。
但有时候会出问题。
如果这一万张训练照片里，猫恰好都趴在同一块红色地毯上，模型可能不去理解什么是猫，而是偷懒记住了一个错误的捷径：「红地毯上的东西=猫」。
结果，你拿训练集里的照片考它，它张张满分。可一旦换一张猫趴在沙发上的新照片，它就懵了，因为没有红地毯。
反过来，你给它一张红地毯上的皮球，它却信誓旦旦地说：这是猫。
这就是过拟合，把训练集背得滚瓜烂熟，一换新题就崩。它记住的不是规律，而是这套特定题目的「标准答案」。
■网传这是给预科学生的第一次期末考试题
其实，「过拟合」一直也是丘成桐这些年办学一直想避免的。
在《南方周末》那次专访中，他被问到「中国学生在创造力上与美国还有差距，原因是什么」，他的回答几乎就是「过拟合」的人类版本：
初三和高三都要用一年时间准备考试，多的是机械式的训练，是对中国孩子伤害最大的地方。」
他还说了一句，「有才华的学生明明有想法，但机械式的训练让他失去了对学问的兴趣。」
也就是说，机构的刷题流水线，或许恰恰把一些原本有想法的孩子，训练成了只会认「红地毯」的模型。
多年前他担忧的事，如今若真在自己的预科班里上演，不免让人唏嘘。
■丘成桐观察过，几乎历史上顶级的数学家，几乎都是在13岁左右开始出类拔萃的，「所以在这年龄段的时候，我们要能够影响到孩子的思维，让他对某个学问有很大兴趣，有兴趣以后，才能不停地发展下去」。
其实，如何「选出真正的人才」，正是丘成桐自己也一直在纠结的难题。
他在专访里坦承，这件事没有完美解法：「中国不大可能取消高考，但如何将创造力比较强的学生选拔出来，也需要找到办法」。
他甚至点破了那个两难，「如果不通过考试选拔人才，人们会觉得有失公平」，可一旦用考试，「学校和家长希望孩子考得好，只能机械式训练，训练的结果就是失去了创造能力」。
值得一提的是，丘成桐从不认为「自由发展」就是放养。
「所谓自由发展，并不是做个『野孩子』，那么学问上是一定做不好的。」要不要考试？要考试，但不是用刷题的训练方法」。
这或许也是理解这次风波的一把钥匙。
预科考察本身没有错，错的是有人把「考察」理解成了「刷题闯关」。
真实世界就是「恶劣的学习环境」
很多人对这件事都是「看热闹」甚至幸灾乐祸的态度，但如果它是真的，在某种意义上也是对我们所有家庭的一次警示。
当我们的孩子走出校园，走进AI时代的真实世界时，面对的也是一套「训练集之外」的考卷。大卫·爱泼斯坦的《成长的边界》（Range）中，把人所处的学习环境，分成两种。
一种叫「友好的学习环境」（kind learning environment）。规则固定、边界清晰、反馈及时、题目会重复出现。你付出努力练习，就能稳定地拿到回报。国际象棋、高尔夫球、以及我们的应试刷题，都属于这一类。
在这种环境里，「重复训练」是有效的，练一万小时就能成高手。
另一种叫「恶劣的学习环境」（wicked learning environment）。规则模糊、情况多变、反馈延迟甚至具有误导性、你几乎永远遇不到一模一样的题。比如真实的科学研究、商业世界和人生选择。大卫研究了大量领域的顶尖人物后就发现，在「友好环境」里靠过度专精、重复训练打磨出来的高手，一旦进入「恶劣环境」，往往会摔得很惨。
而AI的到来，又将两类人的处境推到了两个极端。
就像AI在数学竞赛中的飞速进步，一切「训练集内」的、有标准答案的、可以靠刷题拟合的能力，正在被AI以碾压性的速度接管。
数学家罗博深把这叫做教育和技术之间的「错位」。AI不费吹灰之力就拥有了又快又准，已经在训练更高级的思维了，而我们的教育还在花大量时间，让孩子把训练集刷得又熟又顺。
■AI能拿到2026年的IMO数学竞赛金牌吗？人们的猜测是「86%的成功率」
同样在清华丘班教数学的一龙老师，给过一个更传神的比喻。
他说，追求速成的应试数学像「走钢丝」，只有一条最快最直的路径，容错率极低，「一步跟不上，步步跟不上」，风一吹就掉下去。
而真正从热爱出发的数学教育像「织网」，知识点之间有无数连接，即便中间破了个洞（比如忘了某个公式），周边密集的节点也能兜住，孩子靠直觉和逻辑当场就能把它推导出来。
走钢丝，就是过拟合。织网，才是泛化，理解了底层规律，换个场景照样兜得住。
■我们采访过一龙老师，他的观点是，很多特别优秀的孩子被刷题禁锢了大脑
写到这儿，可能有家长会说，我家孩子既不是天才，又不能过拟合，那到底该怎么办？难道躺平？
恰恰相反。如果我们去了解那些真正成为数学家的人，就会发现他们几乎是「刷题过拟合」的完全反面。还记得王虹吗？就是那位刚破解百年「挂谷猜想」、被陶哲轩盛赞，被视为下一届菲尔兹奖热门的中国女数学家。
她高考数学并没有满分，16岁考进北大，读的还是地球与空间科学学院，是大一某堂课上被数学之美击中，才半路转系的。
转进北大数学系后，一开始她成绩也不好，「一直在挣扎，能生存下来就不错了」。她对自己的评价是：
「我无论如何都不是天才，我在身体上、精神上都很一般，只是我可以坚持目标，并擅长延迟满足」。
而她的应对方法是，「考试时因为时间有限，就把课本上或老师教过的方法试一遍；但自己做研究时没有时间限制，我可以花很长时间去想一个问题，把脑袋里乱七八糟的想法都试一遍」。
■王虹这两年获了很多奖，就在今年4月又被纽约大学授予教职员工的最高荣誉银牌教授称号
有趣的是，丘成桐对「什么是真正的研究」，也给过一个几乎一模一样的定义：
这恰恰是刷题永远到达不了的地方，也是丘老先生穷尽一生想找到的那种人才。
或许，这场清退风波还需要时间才能定论。我们无意评判具体个案中的任何孩子，他们在同龄人中已是极其优秀的存在，在功利的洪流里，同样是需要被理解的那一方。
但这件事真正照见的，是我们每一个普通家庭在当下都必须回答的一个问题：
我们到底是想培养一台在旧世界里跑得飞快、却随时会被淘汰的过拟合机器，还是想养出一个能在陌生的新世界里，能开辟属于自己那条独一无二赛道的——人。
