山西省临汾市2025-2026学年高三上学期期末质量监测语文试题（扫描版含答案）
文档属性
| 名称 | 山西省临汾市2025-2026学年高三上学期期末质量监测语文试题（扫描版含答案） |
|
|
| 格式 | |||
| 文件大小 | 2.5MB | ||
| 资源类型 | 教案 | ||
| 版本资源 | 通用版 | ||
| 科目 | 语文 | ||
| 更新时间 | 2026-02-09 00:00:00 | ||
图片预览
文档简介
姓名
准考证号
秘密★启用前
临汾市高三年级2025-2026学年度第一学期期末考试
语
文
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，用橡皮掾干净后，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1（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()技术的逸代正深刻重塑人类生产生活方式，从判别式摸型的“盛知”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Sorm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。这类技术在育、科研、传煤等领战的广泛应用，既带朵
了效率苹命，也准生了“AI幻觉”这一突出问题。
4I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幻觉具有隐藏性与迷惑性，其生成的内容往往逻彝连贯、表述流畅，客易
让人信以为真。在牧有领域，A【幻党的影响尤为显著。具身般育作为强调通过身体与环境
交互建构认知的教有范式，主张身体是感知世界、生成意义的按心媒介，而A的“去身
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娘。
A【幻觉对具身教有的冲击主要体现在四个维度：一是教有主体性异化，学生过度依赖
A江的“偷入-生成-复制”流程，取代了传统“手写-记忆-内化”的具身认知链，导致独立速构
知识体系的能力囊减；二是知识生产异化，A!缺乏具身体验，无法捕捉隐性情境，在跨学科
语文试题第1页（共10页）
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
的过度采集与滋用，加剁了隐私泄溺风险。应对这些挑战，需从具身牧有本质出发，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A1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1H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，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%之问，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，A【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块陷。
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客，具体可分为错误陈
迷与实体虚构。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，如混滑历史事
件时间、计算数据出蜡等：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，并丧入合理的逻样框架中，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Cha1GPT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1如觉的现实危害。
(摘编自郭全中，张磊、韦薇《A【幻觉的生成机理与敏捷治理》)
材料三：
A幻觉的产生并非倘然，而是贯穿模型全生命周期的系统性问题，其极源在于技术逻
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A【的核心逆辑是
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。
在数糖层面，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援盖范围，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，原始数据中混杂的座假信息、亲乱价值
观，以及标注数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，压螃垂越高，模型记忆越模糊，幻觉率越高。
语文试题第2页（共10页）
准考证号
秘密★启用前
临汾市高三年级2025-2026学年度第一学期期末考试
语
文
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，用橡皮掾干净后，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1（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()技术的逸代正深刻重塑人类生产生活方式，从判别式摸型的“盛知”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Sorm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。这类技术在育、科研、传煤等领战的广泛应用，既带朵
了效率苹命，也准生了“AI幻觉”这一突出问题。
4I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幻觉具有隐藏性与迷惑性，其生成的内容往往逻彝连贯、表述流畅，客易
让人信以为真。在牧有领域，A【幻党的影响尤为显著。具身般育作为强调通过身体与环境
交互建构认知的教有范式，主张身体是感知世界、生成意义的按心媒介，而A的“去身
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娘。
A【幻觉对具身教有的冲击主要体现在四个维度：一是教有主体性异化，学生过度依赖
A江的“偷入-生成-复制”流程，取代了传统“手写-记忆-内化”的具身认知链，导致独立速构
知识体系的能力囊减；二是知识生产异化，A!缺乏具身体验，无法捕捉隐性情境，在跨学科
语文试题第1页（共10页）
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
的过度采集与滋用，加剁了隐私泄溺风险。应对这些挑战，需从具身牧有本质出发，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A1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1H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，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%之问，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，A【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块陷。
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客，具体可分为错误陈
迷与实体虚构。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，如混滑历史事
件时间、计算数据出蜡等：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，并丧入合理的逻样框架中，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Cha1GPT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1如觉的现实危害。
(摘编自郭全中，张磊、韦薇《A【幻觉的生成机理与敏捷治理》)
材料三：
A幻觉的产生并非倘然，而是贯穿模型全生命周期的系统性问题，其极源在于技术逻
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A【的核心逆辑是
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。
在数糖层面，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援盖范围，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，原始数据中混杂的座假信息、亲乱价值
观，以及标注数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，压螃垂越高，模型记忆越模糊，幻觉率越高。
语文试题第2页（共10页）
同课章节目录