【全國甲卷】四川省涼山州2024屆高中畢業(yè)班高三年級(jí)第三次診斷性檢測(涼山三診)(5.9-5.10) 語文試卷

涼山州2024屆高中畢業(yè)班第三次診斷性檢測本試卷分第I卷(閱讀題)和第Ⅱ卷(表達(dá)題)兩部分。全卷共10頁，滿分150分，考試時(shí)間150分鐘。2.選擇題使用2B鉛筆涂在答題卡對(duì)應(yīng)題目標(biāo)號(hào)的位置上；非選擇題用0.5毫米黑色簽字筆第I卷閱讀題(共70分)(一)論述類文本閱讀(本題共3小題，9分)矇(他們大概更古老一些);另一種是用文書記事的史官。在古羅馬政治學(xué)家西塞羅看來要從人的最崇高的潛力和不朽的創(chuàng)造力出發(fā)來看待人。道我們正在做的是什么,我們應(yīng)該做的是什么。語文試題卷第1頁(共10頁)1.下列關(guān)于原文內(nèi)容的理解和分析，正確的一項(xiàng)是(▲)(3分)人性從歷史和傳統(tǒng)中來。2.下列對(duì)原文論證的相關(guān)分析，不正確的一項(xiàng)是(▲)(3分)3.根據(jù)原文內(nèi)容，下列說法不正確的一項(xiàng)是(▲)(3分)語文試題卷第2頁(共10頁)(二)實(shí)用類文本閱讀(本題共3小題，12分)閱讀下面文字，完成4~6題。人工智能模型一直以“黑匝子”的形態(tài)讓人們感到不安，AI到底從數(shù)據(jù)中學(xué)到了什么?又是如何作出推理?入工智能(Al)一直在迅速發(fā)展，但對(duì)人類來說，強(qiáng)大的模型卻是個(gè)“黑匝子”。、自人工智能發(fā)展以來，藥物發(fā)現(xiàn)研究也越來越多地采用與AI相關(guān)的技術(shù)。比如圖神經(jīng)網(wǎng)絡(luò)(GNN),適用于預(yù)測某種分子與靶蛋白結(jié)合的強(qiáng)度。圖由表示對(duì)象的節(jié)點(diǎn)和表示節(jié)點(diǎn)之間關(guān)系的邊組成。在蛋白質(zhì)與配體復(fù)合物的圖表示中，圖的邊連接蛋白質(zhì)或配體節(jié)點(diǎn)，表示物質(zhì)的結(jié)構(gòu)，或者蛋白質(zhì)和配體之間的相互作用。GNN模型使用從X射線結(jié)構(gòu)中提取的蛋白質(zhì)配體相互作用圖，來預(yù)測配體親和力。最近，波恩大學(xué)(UniversityofBonn)的化學(xué)信息學(xué)專家JürgenBajorath教授和他的團(tuán)隊(duì)取得了重大突破。他們?cè)O(shè)計(jì)了一種技術(shù)，揭示了藥物研究中使用的某些人工智能系統(tǒng)的運(yùn)行機(jī)制。他們的研究結(jié)果表明，這些人工智能模型主要依賴于回憶現(xiàn)有數(shù)據(jù)，而不是學(xué)習(xí)特定的化學(xué)相互作用，來預(yù)測藥物的有效性。在醫(yī)藥領(lǐng)域，研究人員正在狂熱地尋找有效的活性物質(zhì)來對(duì)抗疾病——哪種藥物分子最有效?通常，這些有效的分子(化合物)會(huì)對(duì)接在蛋白質(zhì)上，蛋白質(zhì)作為觸發(fā)特定生理作用鏈的酶或受體。在特殊情況下，某些分子還負(fù)責(zé)阻斷體內(nèi)的不良反應(yīng)，例如過度的炎癥反應(yīng)?？赡艿幕衔飻?shù)量巨大，尋找有效的化合物就像大海撈針一樣。因此，研究人員使用AI模型來預(yù)測，哪些分子最能與各自的靶蛋白對(duì)接并牢固結(jié)合。然后在實(shí)驗(yàn)研究中，更詳細(xì)地進(jìn)一步篩選這些候選藥來自波恩大學(xué)化學(xué)信息學(xué)的研究人員，與羅馬Sapienza大學(xué)的同事一起，詳細(xì)分析了圖神“EdgeSHAPer”方法分析了總共六種不同的GNN架構(gòu)。“EdgcSHAPer”程序可以判斷GNN是否學(xué)習(xí)了化合物和蛋白質(zhì)之間最重要的相互作用?？茖W(xué)家們使用從蛋白質(zhì)配體復(fù)合物結(jié)構(gòu)中提取的六個(gè)經(jīng)過訓(xùn)練的GNN——化合物的作用方式以及與靶蛋白的結(jié)合強(qiáng)度已知。然后，在其他復(fù)合物上測試經(jīng)過訓(xùn)練的GNN,并使用EdgeSHAPer分析GNN如何產(chǎn)生預(yù)測。如果GNN按照預(yù)期行事，它們需要學(xué)習(xí)化合物和靶蛋白之間的相互作用，并且通過優(yōu)先考慮特定的相互作用來給出預(yù)測。然而，根據(jù)研究小組的分析，六個(gè)GNN基本上都沒有做到這一點(diǎn)。大多數(shù)GNN只學(xué)會(huì)了一些蛋白質(zhì)與藥物的相互作用，主要集中在配體上。為了預(yù)測分子與靶蛋白的結(jié)合強(qiáng)度，模型主要“記住”了它們?cè)谟?xùn)練過程中遇到的化學(xué)相似分子及其結(jié)合數(shù)據(jù)，而不管靶蛋白如何。這些被記住的化學(xué)相似性基本上決定了預(yù)測。這讓人想起“聰明的漢斯效應(yīng)”——就像那匹看起來會(huì)數(shù)數(shù)的馬，實(shí)際上是根據(jù)搭檔面部表情和手勢的細(xì)微差別，來推斷出預(yù)期的結(jié)果。這或許意味著，GNN所謂的“學(xué)習(xí)能力”可語文試題卷第3頁(共10頁)注釋①:圖神經(jīng)網(wǎng)絡(luò)：開發(fā)者將AI發(fā)現(xiàn)規(guī)律4.下列對(duì)相關(guān)材料的理解，不正確的一項(xiàng)是(▲)(3分)5.下列對(duì)材料相關(guān)內(nèi)容的概括和分析，不正確的一項(xiàng)是(▲)(3分)A.自人工智能發(fā)展以來，藥物發(fā)現(xiàn)研究也越來越多地采用與AI相關(guān)的技術(shù)。比如圖神經(jīng)(三)文學(xué)類文本閱讀(本題共3小題，15分)語文試題卷第4頁(共10頁)看來就是給中國文明傳統(tǒng)和士大夫操守的立魂之語，是數(shù)千年歷史暗夜中最耀眼的一道精神閃②范仲淹乘坐小船，順著一江碧水來到浙江桐廬(睦州屬地),這是他仕途上多次大起大落語文試題卷第5頁(共10頁)(選自2023年11月12日《湖南日?qǐng)?bào)》,有刪改)7.下列對(duì)文本相關(guān)內(nèi)容和藝術(shù)特色的分析鑒賞，不正確的一項(xiàng)是(▲)(3分)8.簡要賞析文中畫波浪線的句子。(6分)▲A(一)文言文閱讀(本題共4小題，19分)自唐末天下大亂，史官實(shí)錄多闕諸鎮(zhèn)因時(shí)倔起自非有大意惡暴著于世者不能紀(jì)其始終。是語文試題卷第6頁(共10頁)史官實(shí)錄A多闕B諸鎮(zhèn)C因時(shí)D倔起E自非有大善惡F暴著于世者G不能H紀(jì)其始終。11.下列對(duì)文中加點(diǎn)的詞語及相關(guān)內(nèi)容的解說，不正確的一項(xiàng)是(▲)(3分)12.下列對(duì)原文有關(guān)內(nèi)容的概述，不正確的一項(xiàng)是(▲)(3分)13.把文中畫橫線的句子翻譯成現(xiàn)代漢語。(10分)(1)然皆未嘗有所可稱，故思敬之功過不顯▲ 語文試題卷第7頁(共10頁)14.下列對(duì)這幾首詩的理解和賞析，不正確的一項(xiàng)是(▲)(3分)對(duì)山農(nóng)的勞動(dòng)和智慧的贊頌之情。15.前兩首詩是怎樣極寫山農(nóng)對(duì)十地的珍惜利用的?請(qǐng)結(jié)合詩句簡要分析。(6分) 16.補(bǔ)寫出下列句子中的空缺部分。(6分)返回娘家的情景。(3)在《酬樂天揚(yáng)州初逢席上見贈(zèng)》中，詩人借典故寄托了對(duì)朋友的懷念和自己長期被貶謫語文試題卷第8頁(共10頁)第Ⅱ卷表達(dá)題(共80分)三、語言運(yùn)用(20分)(一)語言文字應(yīng)用I(本題共5小題，20分)閱讀下面的文字，完成17~21題。著(▲)的乘客的列車，不得不停在鐵軌上，等待風(fēng)雪的過去。乘客的回家夢(mèng)陡然被冰凍，抱怨每一個(gè)(▲)的鐵路工作人員的致敬。們是否忽略了人與