江苏省徐州市第一中学2026-2027学年上学期高三10月题库训练语文试卷

共23题，约17400字。

2026-2027学年上学期高三10月题库训练语文试卷
　　考生注意：
　　1．本试卷满分150分，考试时间150分钟。
　　2．答题前,考生务必用直径0.5毫米黑色墨水签字笔将密封线内项目填写清楚。
　　3．考生作答时，请将答案写在答题卡上。选择题每小题选出答案后，用2B铅笔把答题卡上对应题目的答案标号涂黑;非选择题请用直径0.5毫米黑色墨水签字笔在答题卡上各题的答题区域内作答，超出答题区域书写的答案无效，在试题卷、草稿纸上作答无效。
　　一、现代文阅读（35分）
　　（一）现代文阅读Ⅰ（本题共5小题，19分）
　　阅读下面的文字，完成小题。
　　近年来，人工智能的发展引发了一个值得认真讨论的问题：AI究竟只是帮助人类完成检索、计算、写作和分析的工具，还是已经在某种意义上参与了知识生产？一种常见看法认为，AI没有人的意识、情感和生命体验，因此不可能真正理解世界，也就谈不上生产知识。这种看法强调了人与机器之间的重要差异，却也容易把知识的判断标准过度收缩到人类的主观体验之内。
　　问题的关键，并不在于AI是否“像人一样思考”，而在于我们如何理解知识生产本身。现代知识生产从来不只是个体经验的直接表达，更是在工具、方法、证据、模型和共同体规范中形成的认知成果。因此，更恰当的说法是：人工智能正在成为知识生产链条中的生成性力量。它未必以人的方式理解世界，却已经开始推动人类重新审视什么可以被看见、什么值得被研究、什么能够成为知识。
　　人工智能成为知识生产中的生成性力量，可以从围棋和材料科学两个领域得到较为直观的说明。
　　围棋长期被视为高度依赖经验、直觉和审美判断的领域，棋手通过棋谱、布局、定式、手筋和长期对局积累对“好棋”的理解。以AlphaGo为代表的围棋智能系统，最初因战胜世界顶尖棋手而为公众所知，但它真正值得讨论的地方，还不是赢得了比赛，而是改变了围棋共同体理解“好棋”的方式。这类系统早期确实学习了人类棋谱，但真正的突破来自强化学习和自我对弈。它在规则确定的棋盘空间中反复探索，逐渐形成了许多人类棋手未曾充分认识的判断。
　　李世石与AlphaGo第二局中的“第37手”常被视为标志性时刻。这是当时许多职业棋手并不看好甚至感到意外的一手棋，后来却被证明具有战略价值。此后，职业围棋训练普遍转向AI复盘、胜率判断和变化图研究，一些传统定式被重新评价，新的“AI定式”“AI布局”不断出现。这不是简单的计算加速，而是围棋知识体系的调整：什么是急所，什么是厚薄，什么是全局效率，什么样的局部损失可以换来更大的整体收益，都被AI重新打开。这说明，AI可以在特定规则空间中生成实践性和策略性知识，它未必像人类棋手那样体验胜负、竞技和审美，却能够通过自我博弈发现新的有效模式，并促使人类修正既有判断。换言之，AI并非只是复现人类已掌握的棋理，而是在既定规则之内拓展了人类对棋理的认识。
　　另一个更具科学代表性的领域，是AI参与新材料发现。材料是现代科技和产业发展的基础，从高性能电池、半导体器件、航空航天材料到催化剂和生物医用材料，都离不开对材料结构、性能和制备条件的深入认识。过去寻找一种新材料，往往需要研究者依靠理论推导、经验判断和大量实验，在庞大的元素组合、结构类型和工艺参数空间中反复试错。近年来，机器学习和生成式模型开始被应用于材料性能预测、候选结构筛选和生成、实验路径优化，这使研究者能够在巨大可能空间中更有针对性地发现值得验证的材料组合。
　　这类进展的意义，不只是“提高实验效率”，更深层的变化在于，它改变了科学发现中“候选对象”生成的方式。过去，许多可能具有特殊性能的材料，因为组合空间过大、实验成本过高而难以进入研究视野；今天，AI可以根据已有数据和模型推断，提出一批具有潜在价值的候选材料，再由研究者通过实验进行验证、修正和解释。换言之，AI并未替代材料科学家的理论判断和实验验证，而是把一部分过去难以穷尽的可能性转化为可筛选、可比较、可检验的研究对象，推动科学发现形成“模型预测—实验验证—理论解释”相互衔接的新循环。
　　更值得注意的是，近一两年已有研究尝试让多个人工智能体分工协作，模拟科研团队中的不同角色，承担文献检索、假设提出、方案设计、工具调用、结果分析和报告生成等任务。虽然这类探索还处在发展阶段，也需要严格验证，但已显示出一个趋势：AI进入知识生产，并不只是给出一个答案，而是开始嵌入问题提出、路径设计和结果生成的连续链条。
　　从围棋智能系统到新材料发现，再到多智能体科研协作的探索，可以看到，AI的作用已经超出辅助性劳动的范围。它能够在复杂空间中发现人类尚未掌握的模式，并把这些模式转化为新的判断标准、研究路径和知识资源。正是在这个意义上，AI已经进入知识生产链条中的生成环节。
　　（摘编自陈浩《人工智能正在成为知识生产的新力量》）
　　1. 下列对原文相关内容的理解和分析，不正确的一项是（   ）
　　A. 人工智能虽然无法像人类一样思考，却正在成为知识生产链条中重要的生成性力量，它能推动人类重新审视很多重要问题。
　　B. 长期以来，棋手理解“好棋”多依赖于棋谱、布局、定式和长期对局等，以AlphaGo为代表的围棋智能系统改变了这一点。
　　C. 因人工智能赋能，研究者的理论推导、经验判断等不再发挥重要作用，他们可以更具针对性地发现值得验证的材料组合。
　　D. 由多个人工智能体分工协作，嵌入问题提出、路径设计和结果生成的连续链条，目前尚处于发展阶段，还需要严格验证。
　　2. 下列对原文相关内容的分析和评价，正确的一项是（   ）
　　A. 原文围绕“人工智能的发展”这一中心议题，进行了严谨、深刻而富有思辨性的论述。
　　B. 作者不否认人类主观体验在知识判断标准中的重要性，但更主张放宽知识的判断标准。
　　C. 尽管探讨的是前沿话题，但作者通过大量生动形象的表述将深奥的科技哲学道理讲得通俗易懂。
　　D. 原文多处运用对比论证，突出了AI作为“生成性力量”带来的改变，使论证更有力度。
　　3. 下面的文段，是另一位学者对“AI生产知识”的看法。请根据文段，简要说明这位学者是否认同原文的主要观点。
　　今天最强的大语言模型，在本质上是一台“下一个词预测器”：它从海量人类文本中学到统计关联，再推算在当前语境中接下来最像样、最可能冒出来的词是什么。其优化目标是“可不可能”，而不是“真不真”。理解了这一点，就握住了理解AI的钥匙——它既让人惊艳，又从根本上缺环、受限。
　　一是从不接受现实的检验。AI的生成机制只管“接下来怎么说最像样”，而不管“事情到底是不是这样”。它从不坚持任何命题，也从不站在可受检验的位置上。
　　二是大模型“幻觉”不是偏差，而是出厂设定。今天的AI没有信念，它靠的只是“接下来怎么说最像样”，而不是“事情到底是不是真的”。AI会以与说真话时一模一样的笃定口吻，编造出根本不存在的引文、数据和事实。
　　三是流利的“为什么”，不等于真正的理解。AI能流利地说出一长串“为什么”，但那未必是从原理推演而出的，也可能只是把人类积攒的海量“为什么”，重新组织了一遍。
　　四是没有一个“我”在承担这份知识。今天的AI并没有这样一个自我。它并不真的“相信”什么，也不“守护”什么，而是在每一次对话里被唤醒，又在对话结束时归于沉寂。
　　4. 第3题的文段认为AI“从不接受现实的检验”，请结合原文中的“围棋”“材料科学”的事例进行反驳。
　　5. 学校计划制作一期“人机协同创新”的科普短视频，向同学们讲解相关知识。请你为视频配一段解说性文字，简要介绍人类与AI协同开展知识生产的运行方式。请根据原文，写出解说文字的内容要点。
　　（二）现代文阅读Ⅱ（本题共4小题，16分）
　　阅读下面的文字，完成下面小题。
　　北纬53度，最北最冷的这片热土
　　马元春
　　53，是一个数字，但对于漠河来说有着特别的意义。这里有北纬53度的中国最北地理极点，也留存零下53摄氏度的极端极寒纪录。雪期最长、夏季最凉、区位最北，是这片土地独有的底气。
　　与一座城的缘分，始于懵懂相逢，成于半生相守，归于一世深情。于我而言，漠河，这座伫立在祖国版图最北端的边城，收纳了我整整50年的人生光阴。我的成长轨迹，始终与这座极北小城的更迭、涅槃、发展同频共振。