2025年事业单位联考《综合应用能力(C类)》真题及答案

2025年事业单位联考《综合应用能力(C类)》练习题及答案第一题科技文献阅读题（共50分）请认真阅读给定材料，按照每道题的要求作答。给定材料：近年来，人工智能（AI）技术正深度改造气候科学领域，其中AI气候预测成为气候变化研究领域的前沿方向。传统气候预测模式基于物理方程构建，受计算能力、气候系统非线性特征影响，对年际-年代际气候变率的预测准确率一直徘徊在较低水平。根据世界气象组织（WMO）2024年发布的报告，全球主流传统模式对厄尔尼诺事件的提前12个月预测准确率仅为42%，提前6个月准确率为58%，难以满足防灾减灾的需求。2023年，中国科学院大气物理研究所团队研发了基于大语言模型架构的AI气候预测模型“天枢-1.0”，针对1961-2020年的回溯测试数据显示，天枢模型提前12个月预测厄尔尼诺事件的准确率达到76%，提前6个月准确率达到89%，远超传统模式水平。该团队首席研究员介绍，天枢模型通过对400年气候模拟数据、70年观测数据进行预训练，学习到了传统模式难以捕捉的海洋-大气相互作用非线性特征，解决了传统模式计算成本高的问题：传统模式预测一次年代际气候需要超级计算机运算72小时，天枢模型仅需要10分钟，计算成本降低98%以上。不过，当前AI气候预测仍然存在明显局限性。首先是可解释性不足，AI模型多为“黑箱”，虽然预测准确率高，但科研人员难以厘清模型做出预测的物理机制，无法将预测成果有效融入气候理论研究；其次是泛化性不足，现有AI模型大多针对特定区域、特定类型的气候事件训练，对极端气候事件的预测能力仍然有限，IPCC第六次评估报告指出，1980-2020年全球极端高温事件发生频率较1950-1979年升高了1.8倍，现有AI模型对极端高温的提前30天预测准确率仅为61%，低于传统动力模式的67%；第三是数据依赖问题，AI模型的性能高度依赖训练数据，对于百年一遇、千年一遇的极端气候，观测数据不足，模型训练不充分，预测可靠性难以保证。针对上述问题，当前学界提出了“物理约束AI”的发展方向，即将气候系统的基础物理规律嵌入AI模型结构，在训练过程中加入物理方程约束，既保留AI对非线性特征的学习能力，又保证模型输出符合物理规律，解决可解释性和泛化性问题。2024年，该方向已经取得初步突破，美国国家大气研究中心发布的物理约束AI模型，对极端高温的预测准确率提升到74%，超过了传统动力模式。未来，随着多源数据融合技术、AI架构创新的发展，AI气候预测有望在10年内进入业务化应用阶段，为全球防灾减灾、气候应对提供核心支撑。作答要求：1.判断题：正确的填涂“A”，错误的填涂“B”。每小题3分，共15分。（1）根据WMO2024年报告，全球传统气候模式提前6个月预测厄尔尼诺事件的准确率低于50%。（2）“天枢-1.0”模型对提前12个月厄尔尼诺预测的准确率比传统模式高34个百分点。（3）现有AI气候预测模型对极端高温的预测准确率普遍低于传统动力模式。（4）物理约束AI的核心思路是将气候物理规律嵌入AI模型，解决可解释性和泛化性问题。（5）目前已有物理约束AI模型对极端高温的预测准确率超过传统动力模式。2.多项选择题：备选项中有两个及以上符合题意，错选、少选、多选均不得分。每小题4分，共8分。（1）根据材料，传统气候预测模式的缺陷包括：A.基于物理方程构建，预测逻辑不符合实际气候规律B.受气候系统非线性特征影响，长周期预测准确率低C.计算成本高，预测耗时久D.对极端气候事件的可解释性不足（2）当前AI气候预测的局限性包括：A.可解释性不足，难以支撑气候理论研究B.泛化性不足，对极端气候预测能力有限C.计算成本过高，难以大规模推广应用D.极端气候训练数据不足，预测可靠性差3.归纳题：请根据材料，简要概括我国“天枢-1.0”AI气候预测模型的优势。要求：准确、简洁，不超过200字。（27分）第二题论证评价题（共40分）阅读给定材料，指出其中存在的4处论证错误，并分别说明理由，每条表述不超过150字。给定材料：可控核聚变被称为“终极能源”，近年来全球多国都在推进可控核聚变的技术研发，不少业内观点提出，可控核聚变商业化应用将在10年内实现，具体理由如下：第一，2023年美国劳伦斯利弗莫尔国家实验室已经实现了“聚变点火”，也就是核聚变反应输出能量大于输入能量，这证明核聚变技术已经突破了所有核心瓶颈，既然核心瓶颈已经全部突破，那么商业化就很快能落地，10年内肯定可以实现商用。第二，根据国际能源署2024年的统计，全球对核聚变研发的累计投入已经超过300亿美元，比2010年增长了4倍，充足的资金投入一定会带来技术的快速成熟，所以10年内实现商用是必然结果。第三，目前全球已经有超过30家商用核聚变创业公司，行业总估值超过200亿美元，全球资本都看好核聚变商用前景，资本的市场化选择一定是正确的，所以10年内商用肯定能成为现实。第四，可控核聚变商用之后可以从根本上解决全球化石能源短缺和气候变化问题，而气候变化问题是全球当前必须解决的紧迫问题，社会有迫切的应用需求，所以核聚变商用一定会在10年内实现。第三题材料作文题（共60分）请结合上述材料，以“AI赋能基础科学创新”为话题，自选角度，自拟题目，写一篇不少于800字的议论文。要求：观点鲜明，论证充分，条理清晰，语言流畅。参考答案第一题科技文献阅读题参考答案1.判断题（1）B解析：材料明确提到WMO2024年报告显示，全球传统主流模式提前6个月预测厄尔尼诺的准确率为58%，高于50%，题干表述错误。（2）A解析：传统模式提前12个月预测准确率为42%，天枢-1.0对应准确率为76%，差值为34个百分点，题干表述正确。（3）B解析：材料仅说明未引入物理约束的普通AI模型对极端高温的预测准确率低于传统模式，物理约束AI模型已经实现反超，题干“现有AI模型普遍低于”的表述绝对化，错误。（4）A解析：材料明确指出，物理约束AI的核心发展思路是将气候系统基础物理规律嵌入AI模型，加入物理方程约束，核心目标就是解决可解释性和泛化性不足的问题，题干表述正确。（5）A解析：材料提到2024年美国国家大气研究中心发布的物理约束AI模型，对极端高温预测准确率达到74%，超过传统动力模式的67%，题干表述正确。2.多项选择题（1）BC解析：A选项，传统模式本身就是基于物理方程构建，材料未提及传统模式预测逻辑不符合实际气候规律，无中生有，错误；D选项，可解释性不足是AI模型的缺陷，不是传统模式的问题，偷换概念，错误；B选项对应材料“受气候系统非线性特征影响，对年际-年代际气候变率的预测准确率一直徘徊在较低水平”，C选项对应材料“解决了传统模式计算成本高的问题：传统模式预测一次年代际气候需要超级计算机运算72小时”，BC符合题意。（2）ABD解析：C选项，材料明确提到天枢模型较传统模式计算成本降低98%以上，AI模型计算成本远低于传统模式，表述与原文相悖，错误；A选项对应“可解释性不足……无法将预测成果有效融入气候理论研究”，B选项对应“泛化性不足……对极端气候事件的预测能力仍然有限”，D选项对应“对于百年一遇、千年一遇的极端气候，观测数据不足……预测可靠性难以保证”，ABD符合题意。3.归纳题参考答案天枢-1.0是我国研发的大语言模型架构AI气候预测模型，核心优势有三点：一是预测准确率高，回溯测试显示提前12个月、6个月预测厄尔尼诺的准确率分别达76%、89%，远超全球主流传统模式；二是计算效率高、成本低，预测一次年代际气候仅需10分钟，计算成本较传统模式降低98%以上；三可捕捉传统模式难以识别的海洋-大气非线性相互作用特征，补齐传统模式核心短板。第二题论证评价题参考答案1.第一处论证错误：偷换概念，过度推演。实现聚变点火仅代表突破了“能量增益”这一原理性核心瓶颈，并不等于突破了商业化落地所需的材料、安全、规模化等全部工程核心瓶颈，不能由单一原理突破直接推出10年内必然实现商用，推导不成立。2.第二处论证错误：混淆必要条件与充分条件，推理绝对化。资金投入是核聚变技术研发的必要条件，而非充分条件，仅靠资金投入无法保证技术必然按照预期速度成熟，投入增长不能直接推出10年内必然实现商用，逻辑不成立。3.第三处论证错误：诉诸权威，因果不成立。资本看好核聚变商用前景是基于长期收益预期，存在炒作、高估技术进展的可能性，资本的市场化选择不必然代表结论正确，不能以此证明10年内商用必然实现，论证逻辑无效。4.第四处论证错误：混淆需求与现实可能性，强加因果。社会对可控核聚变商用有迫切需求，仅能为技术研发提供动力，无法决定技术成熟的时间节点，不能由需求的迫切性直接推出技术一定会在10年内成熟落地，论证错误。第三题材料作文题参考范文基础科学是科技创新的源头活水，是支撑人类社会进步的核心底座。长期以来，基础科学研究受限于人类认知边界、计算能力和实验成本，诸多复杂领域的研究进展缓慢。近年来人工智能技术的快速突破，为基础科学研究打开了全新的增长空间，推动AI与基础研究深度融合，已经成为全球科技竞争的核心赛道，更是我国实现高水平科技自立自强的必然选择。AI赋能基础科学，突破了传统研究的能力边界。传统基础科学研究依赖科研人员的经验归纳和小规模实验，面对气候系统、生命结构、量子相互作用这类多变量耦合的复杂系统，人类的计算和认知能力始终存在天花板。AI大模型通过学习海量数据，能够捕捉到人类和传统模式难以识别的非线性关联，实现研究能力的跨越式提升：我国天枢AI气候模型将厄尔尼诺提前12个月预测准确率从42%提升至76%，AlphaFold将蛋白质结构预测准确率从60%提升至98%，一系列突破证明，AI正在将原本不可能完成的研究任务变成现实，打开了基础科学创新的新蓝海。AI赋能基础科学，降低了科研创新的成本门槛。基础研究历来是高投入、长周期、高风险的活动，很多前沿研究因为成本过高难以推进，更不用说中小科研团队参与。AI技术的出现，极大压缩了科研的时间和资金成本：AI气候预测将传统超级计算机72小时的计算量压缩到10分钟，成本降低98%；AI预测蛋白质结构的成本仅为传统冷冻电镜实验的千分之一，时间从几个月缩短到几小时。成本门槛的大幅降低，不仅让大规模、多次数的重复研究成为可能，更让大量中小科研团队能够参与前沿探索，全面激活了科学界的创新活力。当然，我们也要清醒认识到，AI只是辅助研究的工具，无法替代基础科学理论的原创突破。当前AI发展仍然存在可解释性不足、数据依赖等