资源简介

2024-2025学年第二学期6月单元过关考试
高二语文
考试时间g150分钟
一、现代文阅读(35分)
(一)现代文阅读I、(本题共5小题，19分)
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。DeepSe欧向全球公布了“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，不要人工监督千预。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，如给思维镂输出打分，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：
Dee即Seek团队不走平常路，目标要培养一个天才学生(Rl-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，克然培养出了推理能力超强的天才学生。
DeepSeek-Rl-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。
语文试卷第1页共8页

展开更多......

收起↑