山西省运城市2025-2026学年高三上学期11月期中考试语文试卷.docxVIP

运城市２０２５－２０２６学年第一学期期中调研测试

高三语文试题

２０２５.１１

本试题满分１５０分，考试时间１５０分钟。答案一律写在答题卡上。

注意事项：

１.答题前，考生务必先将自己的姓名、准考证号填写在答题卡上，认真核对条形码上的姓名、准考证号，并将条形码粘贴在答题卡的指定位置上。

２.答题时使用０.５毫米的黑色中性（签字）笔或碳素笔书写，字体工整、笔迹清楚。

３.请按照题号在各题的答题区域（黑色线框）内作答，超出答题区域书写的答案无效。

４.保持卡面清洁，不折叠，不破损。

—、阅读（７２分）

（一）阅读Ⅰ（本题共５小题，１９分）阅读下面的文字，完成１～５题

材料一：

人工智能（ＡＩ）与历史研究、文化遗产保护的跨界融合，正从技术辅助工具升级为重构认知路径的核心力量，其应用形态随技术迭代呈现出清晰的演进脉络。这一进程大致可分为三个阶段，每个阶段的技术特征与历史研究价值形成鲜明呼应。

早期应用聚焦“数据处理效率提升”，以基础算法解决历史研究中的“海量信息困境”。

２０世纪末至２１世纪初，计算机技术初步介入历史领域，主要承担数据分类、索引建立等辅助性工作。例如，针对朝鲜王国１４世纪至２０世纪初的数十万篇宫廷档案，人工整理与翻译需耗时数十年，而基于早期机器学习的文本识别系统虽准确率有限，却将初步分拣与关键词提

取效率提升近百倍。这一阶段的ＡＩ本质是“数字化助手”，仅替代人力完成重复性劳动，并未触及历史解读的核心环节，研究范式仍以学者主观分析为主。

中期发展进入“残缺信息补全”阶段，深度学习技术成为破解历史残片的关键工具。随着卷积神经网络（ＣＮＮ）、循环神经网络（ＲＮＮ）的成熟，ＡＩ开始具备从残缺载体中提取有效信息的能力。在古文字研究领域，中国团队利用ＣＮＮ模型复原侵蚀严重的甲骨文图案，精准捕捉字符演变轨迹；牛津大学研发的Ｐｙｔｈｉａ模型通过学习数万份希腊铭文，成功预测西西里希腊铭文的缺失字符，解决了学者“知识盲区”导致的解读难题。这一阶段的突破在于，ＡＩ能基于

历史数据的内在逻辑进行推演，其成果可直接作为研究佐证，但仍需依赖人类专家判断其合理性。当前，ＡＩ应用已迈入“深度认知重构”阶段，多模态大模型推动历史研究从“文本解读”走

向“场景还原”。Ｔｒａｎｓｆｏｒｍｅｒ模型的突破使ＡＩ能整合文本、图像、空间等多维度数据，实现从“识别信息”到“构建认知”的跨越。“维苏威挑战”项目中，ＡＩ结合Ｘ射线断层扫描与深度学

习，在不拆解碳化卷轴的前提下完成虚拟展开与文字识别，修正了学者对斐洛德谟《