石家庄市2025届高三教学质量检测二语文试题及参考答案.docx

石家庄市2025届高三教学质量检测二语文试题及参考答案
一、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：
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，根据用户输入的词元，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词元拼接，而是动态地将搜索结果整合到知识体系中，结合词元生成最终的输出。模型有内部逻辑和注意力机制，对用户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”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V3，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”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再用许多训练手段，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。
（摘编自袁岚峰《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。
DeepSeek-R1-Zero的这些推理能力，都是纯粹通过强化学习“自己长出来”的，没有借助任何“刷题”数据的帮助。
（摘编自吴知远《DeepSeek-R1训练过程的通俗讲解》）
1.下列对材料中相关概念的理解和分析，不正确的一项是（3分）
A.“温度”是调控模型输出的参数，低温可使生成结果更稳定可靠，高温可增加输出序列的灵活性。
B.“幻觉”指大模型依据统计概率生成貌似合理实则失真的答案，这些信息容易误导使用者的判断。
C.DeepSeek“思维链”通过分步训练使模型获得逻辑推理能力，因此需要人工预先制作解题的标准范