26考研真题解析 | 2026清华347考研真题

【考点定位】《彼岸发展心理学讲义》

【参考答案】

维果茨基的“最近发展区”理论强调，儿童的发展存在两个水平：现有水平，即独立解决问题和潜在水平，即在成人或同伴帮助下能达到的高度。两者之间的差距即为最近发展区。

其对学前教育的启示主要体现在以下三个方面：

1） 坚持“教学走在发展前面”：教育不应只是顺应儿童已有的成熟，而应着眼于其正在形成的心理机能。教师应提供略高于儿童当前能力、具有挑战性的任务，通过这种方式拉动儿童的发展，使其从潜在水平向现有水平转化。

2.）构建有效的“脚手架式教学”在最近发展区内，教师或同伴扮演“脚手架”的角色。适时介入： 当幼儿遇到困难时，给予提示、示范或拆解步骤。动态撤离： 随着幼儿能力的增强，逐渐减少支持，最终让幼儿实现独立操作。

3） 重视社会互动与合作学习，由于最近发展区常通过社会交往实现，教育应鼓励“小先生制”和异龄交往。让处于较高发展水平的同伴带动较低水平的幼儿，在模仿与对话中促进认知结构的重组。

【考点定位】《彼岸人工智能讲义》

【参考答案】

过拟合 是指模型在训练集上表现很好，到了验证和测试阶段就很差，即模型的泛化能力很差。

★产生的原因：

1) 建模样本选取有误，如样本数量太少，选样方法错误，样本标签错误等，导致选取的样本数据不足以代表预定的分类规则；

2) 样本噪音干扰过大，使得机器将部分噪音认为是特征从而扰乱了预设的分类规则假设的模型无法合理存在，或者说是假设成立的条件实际并不成立；

3) 参数太多，模型复杂度过高；对于决策树模型，如果对于其生长没有合理的限制，其自由生长有可能使节点只包含单纯的事件数据（event）或非事件数据（no event），使其虽然可以完美匹配（拟合）训练数据，但是无法适应其他数据集；

4) 对于神经网络模型，对样本数据可能存在分类决策面不唯一，随着学习的进行，BP 算法使权值可能收敛过于复杂的决策面；或是权值学习迭代次数足够多（Overtraining），拟合了训练数据中的噪声和训练样例中没有代表性的特征。

★解决方法：

1) 增加训练数据数，发生过拟合最常见的现象就是数据量太少而模型太复杂；

2) 使用正则化约束（代价函数后面添加正则化项，可以避免训练出来的参数过大从而使模型过拟合；

3) 减少特征数；

4) 调整参数和超参数；降低模型的复杂度；

5) 提前结束训练，在模型迭代训练时记录训练精度（或损失）和验证精度（或损失），如果模型训练的效果不再提高，这时便可以结束模型训练了；

6) 对于神经网络模型，使用 Dropout使神经网络的结构简单化。

【考点定位】《彼岸社会心理学讲义》

【参考答案】

马丁·塞利格曼提出的习得性乐观（learned optimism）是积极心理学中的核心概念之一，旨在对抗其早期提出的“习得性无助”。该理论认为，个体对生活事件的解释风格并非固定不变，而是可以通过学习加以改变，从而提升心理健康与适应能力。

1）理论背景：习得性乐观源于塞利格曼对“习得性无助”的反思与修正。他提出，无助并非由事件本身决定，而是由个体对事件原因的解释方式所致，因此解释风格具有可塑性。

2）核心观点：习得性乐观强调对事件的归因方式。面对负性事件，乐观者倾向于将其解释为暂时的、特定的、外在的；面对正性事件，则归因为持久的、普遍的、内在的。这种解释风格有助于维持希望感和行动动机。

3）学习机制：个体可通过训练改变消极解释风格，包括识别自动化负性想法、进行证据反驳和建构替代性解释，从而形成更积极的认知模式。

4）心理意义：研究表明，习得性乐观与较低的抑郁风险、更好的压力应对能力以及更高的生活适应性密切相关。

【考点定位】《彼岸人变咨心理学讲义》

【参考答案】

在认知行为疗法（CBT）中，理解思维与情绪的关系是核心。自动化负性思维是指在特定情境下，脑海中不自觉、自动涌现出的消极念头。

1）特征： 它们往往是习惯性的、快速的，且通常不经过逻辑推导就闪现。

2）影响： 尽管这些想法可能并不符合事实，但个体往往对其深信不疑，从而引发焦虑、抑郁或愤怒等负面情绪。

三种常见的认知扭曲

认知扭曲是导致上述负性思维的“逻辑陷阱”，即我们大脑加工信息时的偏差：

1）二分法思维： 将事物看作极端的两个类别，没有中间地带。例如：如果考试没拿到满分，就觉得自己是个“彻头彻尾的失败者”。这种思维容易导致完美主义和强烈的挫败感。

2）灾难化： 无根据地预测未来最坏的结果。例如：因为一次会议发言失误，就认定自己“职业生涯全毁了，肯定会被开除”。这会产生过度的恐慌。

3）情绪化推理： 将自己的主观感受当作事实证据。例如：“我感到很无能，所以我一定真的很差劲”。这种扭曲忽略了“感受不等于事实”的基本逻辑。

【考点定位】《彼岸人工智能讲义》

【参考答案】

一、智能的本质在于对信息的获取、存储与应用。生物智能经过亿万年进化，形成了极具能效比和适应性的神经架构；而人工智能则在硅基芯片上通过数学优化实现了强大的模式识别。深入探讨二者在学习与记忆核心机制上的差异，不仅能揭示当前人工智能的局限，更可为未来“脑启发”的算法演进提供关键指引。

二、生物智能与人工智能的核心差异

1）学习范式的差异 生物智能具备强大的少样本学习能力，依靠突触的可塑性如长时程增强LTP实现“一学即会”和实时调整。相比之下，传统人工智能（如人工神经网络）属于大数据驱动，依赖海量标注数据和数千次反向传播算法的迭代来更新权重，缺乏生物智能那种灵活性和即时性。

2）记忆机制的差异 生物记忆是分布式且具有语义关联的，分为感觉记忆、短时记忆和长时记忆，并伴随动态的巩固与遗忘机制。人工智能的知识则固化在静态参数或外部向量数据库中，其记忆是精确但生硬的。最显著的差异在于，AI在学习新知识时常会出现“灾难性遗忘”，即新信息的摄入会覆盖掉旧有的参数配置，而生物大脑能通过不同脑区的协作有效避免这一点。

3）能效比与控制模式 生物大脑功耗极低，且采用去中心化的局部处理模式。而人工智能依赖高性能GPU进行中心化的同步矩阵运算，能效比极低。

三、脑启发下的算法启示

1）脉冲神经网络（SNN） 受生物神经元电脉冲启发，SNN利用时域信息进行异步处理。这种“只有在刺激时才计算”的特性，能够显著降低AI推理的功耗，更接近大脑的节能高效。

2）局部学习规则与突触可塑性 借鉴“赫布定律”（Hebb's Rule），开发基于局部信息的学习算法，可以降低对全局反向传播的依赖，提升AI在复杂、动态环境中的实时自适应能力。

3）互补学习系统（CLS） 模拟大脑海马体与皮层的协作：海马体负责快速学习新经验，皮层负责长期整合抽象知识。在算法上体现为“情景记忆+慢速参数优化”的混合架构，使AI既能快速记住单次事件，又能实现稳固的终身学习。

4）稀疏激活与情境敏感 借鉴大脑皮层根据任务只激活部分神经元的机制。通过引入稀疏计算和任务路由算法，可以有效缓解多任务学习中的干扰，使AI在不增加能耗的前提下处理更多样化的任务。

生物智能的优势在于低功耗、高灵活性，而人工智能的优势在于计算速度与数据精确度。未来的脑启发人工智能将通过借鉴大脑的局部可塑性、稀疏性及多级记忆结构，打破当前AI的能效瓶颈，构建更加高效、具备自我演化能力的通用人工智能系统。

【考点定位】《彼岸人工智能讲义》《彼岸人变咨心理学讲义》

【参考答案】

AI在心理健康服务中展现了巨大潜力，但其敏感性也带来了严峻的伦理挑战。

一、 三条伦理风险挑战

1）数据隐私与“情感勒索”风险： 心理健康数据涉及极度私密的内心世界和情感弱点。若遭遇黑客攻击或被不当利用（如精准广告推送），可能导致用户面临心理操控或社会歧视。

2）算法偏见与不公平干预： 若训练数据缺乏多样性，AI可能无法识别特定文化或弱势群体（如青少年）的异常特征，导致诊断偏误或排斥性服务。

3）自主性侵蚀与人际异化： 长期使用AI伴侣可能导致用户产生过度依赖（唯一倾诉对象），削弱其在真实社交中的动机，甚至在AI给出错误的行为建议时丧失自主判断力。

二、针对上述风险，监管者应采取以下措施：

1）强制执行“透明度与人工介入”标准： 规定AI服务必须显著标注其非人类身份，严禁AI模拟注册医师提供直接诊疗建议。对于高风险预警（如自残倾向），系统必须强制接入人工干预渠道。

2）建立动态伦理审查与问责机制： 参照医疗器械管理模式，对心理类AI进行全生命周期监管。要求开发者定期提交算法公平性报告，并建立明确的侵权责任归属框架，确保“技术黑箱”后总有自然人或法人承担最终法律责任。

综上所述，AI应被视为心理健康的基础设施和“陪伴者”，而非独立决策的“治疗者”，人机协作共同构建心理健康防线。

【考点定位】  彼岸实验设计

【参考答案】

本题题面与ai强相关，但实际是一道在人机交互条件下，对人行为能力的探索，可以采用传统的实验设计模版完成。如，针对AUT任务，在人机协作、人独立完成两种条件下进行测量，并对表现效果进行打分，进行T检验之后是否呈现显著。但这道题还提及了消极影响，因此可以深入思考，比如在study2中，再次检测两组人，在均无ai辅助的情况下，曾经使用AI的人是否会表现更差。以此探讨AI人机协作的复杂性。

【考点定位】  彼岸实验设计

【参考答案】

首先理解“状态性焦虑缓解”是个体在特定情境中所体验到的即时焦虑水平。基于这个定义的理解，应用彼岸实验模版可以进行VR虚拟自然景观，真实自然景观、以及控制组的实验设计及数据统计，并可以在study2中进一步探讨，如人格特质是否会有调节作用。