河南信阳市2026-2027学年普通高中高三上学期第一次教学质量检测语文试题

★2026年10月22日

2026-2027学年普通高中高三第一次教学质量检测

语文

注意事项：

1．答卷前，考生务必将自己的姓名、考生号等填写在答题卡上。

2．回答选择题时，选出每小题答案后，用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，将答案写在答题卡上。写在本试卷上无效。

3．考试结束后，将本试卷和答题卡一并交回。

一、阅读（72分）

（一）阅读Ⅰ（本题共5小题，19分）

阅读下面的文字，完成各题。

材料一：

判断AI是否参与知识生产，不宜只问它有没有人的感觉和意图，而应追问：它是否揭示了此前难以看见的关系？是否能够经过共同体讨论转化为稳定知识？是否能够改进人类对自然、社会和自身的理解？如果在一些领域这些问题能够得到肯定回答，就不能简单否认AI的知识生产意义。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。李世石与AlphaGo对局中的“第37手”常被视为标志性时刻。这是一手当时许多职业棋手并不看好甚至感到意外的棋，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。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用于材料性能预测、候选结构筛选和生成、实验路径优化，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。

从围棋智能系统到新材料发现，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》）

材料二：

围棋领域的AlphaGo与新材料发现中的AI，是目前常被用来证明AI已经进入知识“生成”环节的例证。不可否认，AlphaGo确实走出了人类棋手未曾充分认识的招法，AI也确实在海量组合空间中筛出了此前难以穷尽的候选材料。但这些工作所触及的，只是知识生产的素材，而非知识本身。它们与生产知识之间隔着一道必经之门：人类共同体对它的验证、解释与理论整合。AlphaGo的“第37手”之所以成为围棋知识，靠的不是AI的判断，而是人类棋手群反复复盘之后所赋予的理解；AI筛出的候选材料，也要经过实验、因果说明和理论重构，才能真正汇入知识体系。AI在链条中迈出的这一步，是从处理既有知识走向了生成候选知识对象，但“候选”到“知识”之间那一步，仍然要由人类来完成。而这一步之差，恰是“与现实接触”和“主体负责”所在之处：只有作为主体的人站在可受检验的位置上，才能为那个候选对象是否“为真”承担判断风险。

我们注意到，近年来，一批被称为“AI科学家”或“AI研究员”的系统，不再满足于回答问题，而是被赋予了一套闭环：自动检索文献、提出假说、设计实验、在真实设备上运行实验、收集数据、分析结果，甚至自己动手修正被推翻的猜想。在一些早期尝试中，这类系统已能在简单的化学合成路线设计与材料筛选任务上跑通全流程，产出的结果经人类科学家复核后，被承认具有真实的增量贡献。听上去，这似乎已经开始逼近“接受现实的检验”和“与实在接触”那两道门槛。然而，细看便知裂痕仍在。一个引人深思的对照发生在2024年：某前沿AI系统在标准化学推理基准测试中取得了超过人类博士的平均得分，但当研究人员将同一套题目中的试剂名称换成虚构词汇、保持逻辑结构不变后，AI的性能断崖式下跌。它答对的，是训练语料中频繁共现的模式，其终究是在“匹配模式”，而不是在“把握因果”。于是，流利的“为什么”和真正的理解之间那道坎，依然横亘在那里。

这个对照，恰好让我们有机会澄清本文判断的边界：这不是一个关于“永远”的判决，而是一个关于“现在”的判断。就眼下这类以语言模型为主体的人工智能系统而言，还远没有取得作为一个“知者”去产生“真正的知识”的资质。因而我们可以做出以下判断：今天的AI，是知识内容卓越的加工者与传递

者，却还不是知识的生产者，它只是把人类凝成文字的知识，以惊人的规模重新组织、检索、再表达。今天的AI，至多停在张载所言“见闻之知”的层面，转述、重排着人类的见闻，远够不着“德性所知”，更抵达不了王阳明“知行合一”里那个经由亲身践行而获得，又能反过来指导行动的“真知”。说到底，AI生成的内容，唯有结合人的理解，才能真正长成知识。知识生产是一桩属于主体的事业，属于那种愿意去面对世界、亲自检验、并为自己所言担责的主体。而这样的主体，在今日的硅基世界，尚未醒来。

（摘编自吴小坤《人工智能为何尚未产生真正的知识》）

1. 下列对材料相关内容的理解和分析，不正确的一项是（   ）

A. 材料一和材料二都列举了围棋和材料科学的事例，用以凸显这两个领域中人工智能的重要作用。

B. 过去寻找新材料，常需要研究者做好充分准备并反复试错，这种方式不仅效率低，而且成本高。

C. 材料二中，“与现实接触”和“主体负责”都与作为主体的人相关，需要人去检验、去承担责任。

D. “见闻之知”只是对人类见闻的转述、重排，“知行合一”的“知”则可以用来指导人类的实践。

2. 根据材料内容，下列说法正确的一项是（   ）

A. 材料一中，李世石与AlphaGo对局中的“第37手”被视为标志性时刻，是因为这一手棋换来了更大的整体收益。

B. 材料一认为，AI的作用超出辅助性劳动的范围，能够发现更加精准的模式，并生成新的判断标准、研究路径等。

C. 材料二认为，从“候选”到“知识”，离不开人发挥的作用，没有人的验证、解释与理论整合，便无法产生“真知”。

D. 材料二中，AI系统在测试中性能断崖式下跌，说明AI只能“匹配模式”回答“是什么”，不能流利地回答“为什么”。

3. 根据两则材料，判断人工智能能否参与知识生产，首先需要明确的前提是（   ）

A. 知识的有效性是否必须建立在类似于人类的主观体验之上。

B. 现代知识生产是否依赖仪器、模型、算法、数据库等中介。

C. 人类的感觉、意图、判断或意见等是否必然是准确无误的。

D. AI传递到人类面前的信息，究竟算不算真正意义上的知识。

4. 以上两篇材料选自某报社刊发的一组争鸣文章，围绕“人工智能是否生产知识”这个话题，两则材料持不同观点进行论证，你认为哪个论证更有说服力？请结合材料说明理由。

5. 当我们想要获取一个问题的答案时，总是习惯性使用智能软件。以上材料对我们使用这些软件有何启发？请简要谈谈你的理解。

（二）阅读Ⅱ（本题共4小题，18分）