精品解析：北京市昌平区2025-2026学年高二上学期期末语文试题（解析版）.docxVIP

昌平区2025-2026学年第一学期高二年级期末质量抽测

语文试卷

2026.1

本样卷含第一卷和第二卷。第一卷共140分，第二卷共10分，共150分。考试时长150

分钟。第一卷共8页，第二卷共1页。考生务必将答案答在答题卡上，在试卷上作答无效。

考试结束后，将答题卡交回。

第一卷

一、本大题共5小题，共18分

阅读下面材料，完成各题。

材料一

当前，人工智能技术快速发展，大模型在文本生成、对话交互等领域展现出强大能力，但“自说自话”

、一本正经地“胡说八道”、生成偏离事实内容的问题日益凸显，这一现象被业界称为“AI幻觉”。由于

大模型主要是基于概率生成文本而非逻辑推理，在短期内难以完全避免此类问题，这已成为AI发展中最突

出的技术瓶颈之一。

从技术层面看，AI幻觉的产生源于多重因素。首先是训练数据的不足或偏差。大模型依赖海量数据进

行训练，但如果数据覆盖不全面或存在质量缺陷，模型对某些专业领域（如法律、医疗）的认知就会出现

盲区，导致生成内容失真。其次是算法架构的局限性。当前主流大模型（如GPT系列）基于概率预测机制，

更注重文本的流畅性和连贯性，而非事实的准确性；其注意力机制在处理长文本或复杂语境时容易失效，

引发逻辑混乱。最后是训练目标的设定问题。模型优化目标往往偏向生成“人类偏好”的流畅内容，而

非严格遵循事实，这进一步加剧了幻觉风险。

AI幻觉主要表现为事实性幻觉和逻辑性幻觉两种。事实性幻觉，表现为模型会编造完全不存在的事实

或信息。这种情况在专业领域尤为突出，如在法律咨询中虚构判例，在医疗诊断中给出错误结论，或杜撰

历史事件。逻辑性幻觉，表现为模型在长文本生成或连续对话中出现前后矛盾、逻辑混乱的情况。例如，

在多轮对话中，模型可能先肯定某一观点，后又否定同一观点。这主要是因为当前大模型的注意力机制在

处理复杂语境时存在局限性。

多位业内专家认为，AI幻觉问题在现有技术框架下难以彻底解决。因此，未来技术改进需从多维度入

手，如在训练数据方面，通过定期更新模型，用新数据来修正偏差，从而提升训练数据质量；在算法架构

上，通过改进模型，增强对因果逻辑与事实一致性的理解能力；在训练目标上，在训练中加入事实核查模

块，要求模型在生成内容时验证关键信息的真实性。通过对技术的改进，进而逐步提升模型的准确性与可

第1页/共22页

靠性。

（取材于孙飞等的相关文章）

材料二

随着AI技术深入应用，AI幻觉的潜在风险已从虚拟信息领域蔓延至现实世界，可能引发广泛的社会安

全问题。世界经济论坛《2025年全球风险报告》将“错误和虚假信息”列为全球五大风险，其中AI生成的

幻觉内容被视为关键诱因。这一风险不仅污染信息生态，还可能威胁人身安全，亟需通过技术创新、制度

监管和用户教育构建综合治理体系。

在信息领域，AI幻觉最直接的危害是造成“信息污染”。法律领域已出现典型案例：美国纽约南区联

邦法院在审理一起航空事故诉讼时，发现原告律师提交的法律文书中引用了ChatGPT生成的6个虚假判例，

这些案例包含详尽的案件名称、案卷号及法官意见，甚至模仿了最高法院判例风格，严重干扰司法程序。

在金融咨询领域，AI可能误读财报数据或虚构企业信息，给出错误投资建议，造成用户经济损失。更深远

的影响是“幻觉循环”——错误信息被其他AI系统吸收并不断强化，最终污染整个信息生态。

在实体设备领域，AI幻觉的影响更具破坏性。自动驾驶系统中，生成式AI被用于实时路况分析和决策

制定，若产生“感知幻觉”（如误判障碍物或交通信号），可能导致系统触发错误操作，直接威胁行车安全。

人形机器人领域风险更为突出。例如，护理机器人可能误解指令给患者错误用药，工业机器人可能误判操

作参数引发生产事故，这些场景中AI幻觉甚至可能危及生命。

应对AI幻觉需多管齐下。技术创新是根本途径，检索增强生成（RAG）技术通过将大模型与权威知识

库实时对接，能显著提升生成内容的准确性。比如尝试“以模制模”思路，即构建专业知识库和安全大模

型，实施多模型交叉验证、搜索矫正等机制，识别和纠正幻觉内容。制度监管方面，需建立多层次治理体

系。比如推行“数字水印+风险提示”双重标识，为AI生成内容提供溯源和警示机制。还需完善相关规定，

明确利用AI造谣的法律责任，加大惩处力度。

此外，用户教育不可或缺。在AI幻觉短期内难以消除的背景下，用户应理性认知AI生成的结果，了

解其局限性。培养用户多渠道验证信息的习惯，优先选择权威媒体或机构作为信息来源，并在与AI交互时

保持批判思维，核查关键信息。这些措施将有效降低AI幻觉的社会影响，推动AI技术向更安全、可靠的

方向发展。

（取材于陈宇