山西省临汾市2025-2026学年高三上学期期末考试语文试题(含答案).docxVIP

  • 0
  • 0
  • 约1.18万字
  • 约 23页
  • 2026-02-15 发布于辽宁
  • 举报

山西省临汾市2025-2026学年高三上学期期末考试语文试题(含答案).docx

山西省临汾市2025-2026学年度第一学期高三期末考试语文试题

注意事项:

1.答题前,考生务必将自己的姓名、准考证号填写在本试题相应的位置。

2.全部答案在答题卡上完成,答在本试题上无效。

3.回答选择题时,选出每小题答案后,用2B铅笔把答题卡上对应题目的答案标号涂黑。如需改动,用橡皮擦干净后,再选涂其他答案标号。回答非选择题时,将答案用0.5mm黑色笔迹签字笔写在答题卡上。

4.考试结束后,将本试题和答题卡一并交回。

一、阅读(72分)

(一)阅读I(本题共5小题,19分)

阅读下面材料,完成1~5题。

材料一:

人工智能(AI)技术的迭代正深刻重塑人类生产生活方式,从判别式模型的“感知”到生成式模型的“创造”,每一次范式跃迁都拓展了技术应用的边界。2023年ChatGPT的普及、2024年初Sora文生视频技术的出现,以及2024年末DeepSeek-R1模型的发布,推动生成式人工智能进入深度思考的新阶段。这类技术在教育、科研、传媒等领域的广泛应用,既带来了效率苹命,也催生了“AI幻觉”这一突出问题。

AI幻觉指人工智能系统尤其是自然语言处理模型,在生成文本或回答问题时出现的错误或不准确情况,具体表现为生成虚假信息、过度解读、误解用户意图等多种形式。与传统技术错误不同,AI幻觉具有隐蔽性与迷惑性,其生成的内容往往逻辑连贯、表述流畅,容易让人信以为真。在教育领域,AI幻觉的影响尤为显著。具身教育作为强调通过身体与环境交互建构认知的教育范式,主张身体是感知世界、生成意义的核心媒介,而AI的“去身体化”设计割裂了认知主体与环境的有机联系,为幻觉滋生提供了土壤。

AI幻觉对具身教育的冲击主要体现在四个维度:一是教育主体性异化,学生过度依赖AI的“输入-生成一复制”流程,取代了传统“手写-记忆一内化”的具身认知链,导致独立建构知识体系的能力衰减;二是知识生产异化,AI缺乏具身体验,无法捕捉隐性情境,在跨学科场景中易引发知识冲突与价值混乱;三是教学关系异化,“师-生”范式向“师一机一生一机-师”范式转变,教师的情感引导与具身示范功能被削弱;四是数据伦理问题,个人学习数据的过度采集与滥用,加剧了隐私泄漏风险。应对这些挑战,需从具身教育本质出发,构建技术与人文协同的治理体系。

(摘编自胡一伟、杨伊然《具身教育视域下AI幻觉的风险审视与治理路向》)

材料二:

据国家网信办统计,截至2025年11月,我国累计有611款生成式人工智能服务完成备案,306款相关应用或功能完成登记,人工智能产业呈现蓬勃发展态势。但与此同时,AI幻觉已成为制约行业可信度与安全性的核心隐患。根据Vectara公布的AI幻觉排行榜,主流模型的幻觉率在3.3%至23.5%之间,即便是最先进的模型也无法完全规避这一问题。

2023年,“幻觉”一词被英国剑桥词典选为年度词汇,并新增定义:人工智能产生虚假信息的行为。从表现形式来看,AI幻觉可分为忠实性幻觉与事实性幻觉两类。

忠实性幻觉指模型生成的信息与用户输入指令或对话上下文相矛盾,例如在同一对话中对同一问题给出自相矛盾的回复,或违背“提供三句话摘要”“仅列优点”等明确指令。这类幻觉反映出模型在指令解析、长期记忆维持等方面的能力缺陷。

事实性幻觉则表现为生成与客观世界知识不符或无法验证的内容,具体可分为错误陈述与实体虚构。错误陈述是指模型输出的信息可通过权威来源证实为虚假,如混淆历史事件时间、计算数据出错等;实体虚构则是创造完全不存在的学术论文、人物档案、研究成果等,并嵌入合理的逻辑框架中,具有极强的迷惑性。如2022年AI生成“量子计算机破解比特币”的虚假文章引发市场动荡,2023年美国律师使用ChatGPT提供的6个虚构法律案例提交法院等,这些事件充分暴露了AI幻觉的现实危害。

(摘编自郭全中、张磊、韦薇《AI幻觉的生成机理与敏捷治理》)

材料三:

AI幻觉的产生并非偶然,而是贯穿模型全生命周期的系统性问题,其根源在于技术逻辑、数据质量、训练机制与人为因素的多重作用。从技术本质来看,生成式AI的核心逻辑是通过概率计算预测词元生成连贯内容,这种基于统计关联的生成方式,从根本上决定了幻觉只能被控制而无法被彻底消除。模型的“涌现”能力是一把双刃剑,既可能带来突破性的创造力,也可能因缺乏真实世界感知而生成虚假信息。

在数据层面,幻觉的产生与训练数据的知识边界和质量直接相关。大模型的知识库完全依赖预训练语料库,若查询内容超出语料库覆盖范围,或数据存在过时、缺失等问题,模型会通过概率拼凑生成看似合理的错误答案。同时,原始数据中混杂的虚假信息、杂乱价值观,以及标注效据中训练师的个人偏见,都会被模型学习并放大。数据存储过程中的压缩操作也会导致信息失真,压缩率越高,模型记忆越模糊,幻觉率越高。

训练机制的缺陷进一步加剧了幻觉风险。编码

您可能关注的文档

文档评论(0)

1亿VIP精品文档

相关文档