广东省广州市三校2024-2025学年高二下学期期末联考语文试卷.docxVIP

2024-2025学年下学期期末三校联考

高二语文

命题学校：广州市铁一中学命题人：审题人：李丽思本试卷共8页，23小题，满分150分。考试用时150分钟。

一、现代文阅读Ⅰ.(本大题共5小题，19分)

阅读下面的文字，完成1~5题。

材料一：

从语言角度来看，大模型最根本的功能就是统计概率和输出概率。贾岛琢磨，是“僧推月下门”还是“僧敲月下门”，韩愈说“敲”更好，这是文科思维。大模型是理科思维，会说“推”的概率15%，“敲”的概率20%，“叩、拍、碰、踢”等都各有概率。我们也要习惯大模型的统计概率视角。

计算概率过程很长，有了概率，最终选一个词输出就好了。有时选概率最大那个词，有时会加一些随机性，这是由一个叫“温度”的参数控制的。低温输出序列稳定，高温输出序列灵活。大模型作诗写文，输入同样的内容，输出选择会有一定随机性。

大模型输出最看重的是语言形式“像模像样”，乍一看还以为它真知道，其实很多输出的信息都是“胡编”的，矩阵算出来词元是什么就输出什么。形式上一步步挺像回事，仔细一看推理逻辑是蒙的。这就是著名的“幻觉”问题。

一个缓解“幻觉”的办法，是用“联网搜索”得到更多的信息帮助。有时大模型会自行判断，需要联网搜索获得更多信息。大模型需要联网搜索时，会通过内置的工具调用，根据用户输入的提示，生成搜索参数，将参数发送给指定的搜索引擎。搜索引擎返回相关的搜索结果，可能包括网页内容、新闻摘要、数据等。大模型不是简单地将其与用户输入的提示拼接，而是动态地将搜索结果整合到知识体系中，结合提示生成最终的输出。模型有内部逻辑和注意力机制，对用户的输入和搜索结果进行综合分析，生成更准确全面的回答。为了提高效率和减少计算开销，还需要对搜索结果进行筛选和压缩，如只提取与用户问题最相关的部分，或者对搜索结果进行总结和提炼。

“深度思考”在算法意义上，-是目前大模型开发的最前沿技术。DeepSeek向全球公布了“强化学习”训练深度思考的完整机制，让业界惊叹。这是继“涌现”①之后最重要的大模型研发成果。机器“自言自语”思考越来越厉害，居然可以直接“强化学习”，不要人类中间提示，只靠最终答案训练出来。

一般认为，需要人为准备很多思维链素材，进行有监督微调，像老师教学生一步步解题那样，很麻烦地教会大模型深度思考、深入推理。因为太麻烦，教得不太成功。而DeepSeek让基础能力不错的DeepSeekV3，面对海量有答案的问题，自己“强化学习”摸索，不要人工监督干预。V3自己不断思考，生成思维链。有些思维链是无效的，但有些与最终答案是相关的，V3就据此修改自己的系数，学习逐渐有进步。随着训练的进行，V3生成的思维链越来越长，逻辑水平越来越高，甚至有“顿悟时刻”发生，大模型逻辑能力明显跃升，对标OpenAI发现的大模型能力“涌现”。最后训练成功收敛，V3进化为逻辑能力明显强得多的R1——Zero。之后，DeepSeek用许多训练手段，如给思维链输出打分，来消除语言混乱，提高思维链输出的可读性。这样就开发出了大家熟悉的R1，逻辑能力非常强大，输出对用户也友好。

(摘编自陈经《DeepSeek大模型推理算法其实很简单》)·

材料二：

DeepSeek团队不走平常路，目标是要培养一个天才学生(R1—Zero)，与普通学生刷题不同，他们认为只会刷题的学生往往死记硬背，无法推理解决复杂的问题。而天才是会自己独立思考的，光靠“填鸭式”的刷题无法培养天才，于是他们尝试一开始就不让它“刷题”(灌大量语料)，而是直接让它去考试或者去挑战一些难题，让它自己对考试的错题进行分析、回溯、反思，不断摸索，不断进步。

结果你猜怎么着?这种看似“野蛮”的训练方式，竟然培养出了推理能力超强的天才学生。DeepSeek-R1-Zero在各种推理能力测试中表现惊艳，甚至还展现出一些意想不到的“超能力”。

“自我验算”技能：模型自己做完题后，还会“回头检查”，看看答案对不对，如果发现错了，还会自己改正。这简直就像考试时做完题还会认真验算一样，太自觉了。

“反思总结”技能：模型还能“反思”自己的思考过程，分析哪里做得好，哪里做得不好，简直就是“学而时习之”的AI、版。

“超长解题思路”：模型能够生成非常详细的解题步骤，一步一步地展示它是怎么思考的。这就像考试时，不仅能写出答案，还能把详细的解题过程都写出来。

DeepSee