云南省部分校2026-2027学年高三上学期10月阶段检测语文试题

约16870字。

　　云南省部分校2026-2027学年高三上学期10月阶段检测语文试题
　　一、现代文阅读
　　阅读下面的文字，完成小题。
　　材料一：
　　人工智能进入科学研究，最容易被看见的是“提速”：它能读文献、写代码、处理数据，也能在材料、药物、能源等领域从数量巨大的候选方案中迅速筛选。但如果只是把原有步骤做得更快，还不足以称为科研范式的变化。正在出现的新趋势，是把文献分析、模型预测、自动实验和结果反馈连接起来，使过去较为线性的“提出假设—开展实验—分析结果”，逐渐变化为人机协同、反复迭代的闭环。人工智能的角色也由计算工具、分析工具，向能够参与方案生成和流程组织的科研伙伴演进。
　　这种演进首先扩展了研究者能够处理的问题空间。许多科学问题涉及多学科知识和海量数据，单个团队很难穷尽所有组合；人工智能可在多源数据之间寻找联系，把研究人员从重复试错中释放出来。它还可能降低部分技术门槛：当模型、数据、算力和实验工具被整合到开放平台上，小团队也有机会调用原本难以获得的资源。不过，平台数量增加不等于问题已经解决。一次面向材料企业的调研梳理出一百项技术难题，按当时主流科学智能能力评估，只有约两成有望得到解决，其余问题仍受数据缺失、企业数字化基础薄弱和算法精度不足等因素限制。
　　人工智能能否发挥作用，还取决于问题是否与其能力相匹配。以甲骨文研究为例，缀合、补合需要反复比对断口弧度、字形笔触等细微特征，这类目标相对明确、计算量大的任务适合由模型辅助；但甲骨材料总量对训练大模型仍显不足，涉及语义、年代和文献关系的判断，仍须专家结合出土信息与文字学知识审核。由此可见，降低劳动强度并不意味着降低专业判断的价值。
　　更重要的是，人工智能擅长在已有数据中找高概率答案，却不能由此独自决定什么问题值得研究、哪种结果具有科学意义。科学研究不仅要求“预测得准”，还要追问“为什么”。如果训练数据来源不清、模型过程难以解释、实验无法复现，即使输出看起来新颖，也可能包含虚假引用、错误推理或偶然相关。因而，科研判断力不能让位于工具的逻辑：研究者仍须界定问题、核查证据、解释机制并承担学术责任。
　　要使人工智能真正贯穿科研全过程，还需要数据、模型、算力、实验设施和协作社区之间形成可持续的连接。有的平台已汇聚数百个模型工具、海量数据和文献资源，但“资源聚合”只是起点。不同机构愿不愿共享高质量数据，模型调用能否留下记录，失败的实验是否被保存，学术责任如何划分，这些并非单靠技术接口即可解决。所谓“以科学家为中心”，不是把人工智能限制在低水平辅助位置，而是让技术能力服务于科学问题，使人的判断进入每一次关键决策。
　　（摘编自《人民日报》2026年5月17日《你的AI科研“搭子”靠谱吗》）
　　材料二：
　　2026年5月，《自然》报道了两个能协助科学研究多个环节的人工智能系统：谷歌深度思维开发的Co—Scientist和非营利研究机构Future House开发的Robin。它们采用多个分工不同的智能体：有的检索并综合文献，有的提出假说，有的设计验证方案，还有的解释实验结果并据此修正假说。与只完成单项预测的模型相比，这类系统试图把若干科研环节组织成连续流程。
　　Co—Scientist被设计为通用科学发现系统，初期验证主要集中在生物医药领域。它曾为急性髓系白血病提出候选药物及联合疗法，也提出肝纤维化相关的新靶点，并分析抗菌药物耐药性背后的遗传机制。Robin则被用于实验生物学和药物发现，协助研究者为干性年龄相关性黄斑变性寻找可能的干预过程，并推荐了一种此前未被用于该病治疗的候选药物。系统能在广阔的文献和候选空间中迅速组织线索，这正是人类研究者难以依靠手工完成的部分。
　　然而，“提出候选”与“确认发现”不是同一件事。Co—Scientist提出的疗法仍须经过严格的临床前和临床评估；Robin给出的靶点和药物建议，也只有在独立实验中重复出来，才能进入下一步研究。案例
　　（摘编自《科技日报》2026年5月20日《两个AI系统成为科研人员得力“副驾”》）
　　1、下列关于材料相关内容的理解，正确的一项是（ ）
　　A．人工智能具有为科研提速、优化原有研究步骤的能力，是科研范式发生根本性变革的核心标志。
　　B．开放科研平台整合各类科研资源后，可能在一定程度上降低部分技术门槛，助力小型科研团队开展研究。
　　C．人工智能可独立选定科研研究方向、判定研究价值，还能为科学研究提供高概率、可参考的答案。
　　D．Co—Scientist与Robin具有多个分工不同的智能体，可搭建连续科研流程，替代传统单项预测模型。
　　2、根据材料内容，下列对两则材料的分析，不正确的一项是（ ）
　　A．材料一先梳理人工智能科研角色的演进，再从任务适配、科研判断、平台建设等维度，逐层明确人工智能的科研作用边界。
　　B．材料一以甲骨文研究为例，印证人工智能适配精细比对类算力任务，同时指出其受制于专业语义与年代研判等专业门槛。
　　C．材料二列举两大AI系统的生物医药研究案例，说明了多智能体串联科研流程的优势，但并非确定其他学科也适合采用相同的流程。
　　D．材料二采用先扬后抑的行文结构，意在以正反对比论证，突出人工智能科研工具的局限性是由技术缺陷导致的。
　　3、根据原文内容，在下面文段的横线处补写出恰当的语句，每处不超过10个字。
　　某材料团队拟用科研智能体寻找新型催化剂。系统能阅读文献、调用模型并快速筛选候选方案，但负责人需要先同化学家根据现实需求、已有证据和实验条件，①             ；系统给出候选方案后，团队不能把模型评分直接写成结论，而是设置对照、复现实验，最后②             ；论文中除报告成功样品，还需保留被淘汰方案和失败记录，原始数据、模型版本等，保证③             。
　　4、结合两则材料，简要概括人工智能参与科学研究的优势。
　　5、文中将人工智能科研系统比作科研人员的“副驾”，请结合文本，谈谈你对这一比喻的内涵理解。
　　阅读下面的文字，完成下面小题。
　　故乡的榕树
　　黄河浪
　　住所左近的土坡上，有两棵苍老蓊郁的榕树，以广阔的绿荫遮蔽着地面。在铅灰色的水泥楼房之间，摇曳赏心悦目的青翠；在赤日炎炎的夏天，注一潭诱人的清凉。不知什么时候，榕树底下辟出一块小平地，建了儿童玩的滑梯和亭子，周围又种了蒲葵和许多花朵，居然成了一个小小的儿童世界。也许是对榕树有一份亲切感情吧，我常在清晨或黄昏带小儿子到这里散步，或是坐在绿色的长椅上看孩子们嬉戏，自有种悠然自得的味道。