夸克在今年的高考志愿填报上，搞了个大动作！

6 月 12 日，夸克推出国内率先针对高考志愿填报场景研发的高考志愿大模型，同步上线 “高考深度搜索”“志愿报告”“智能选志愿” 三大核心功能。这个模型具备专家级的决策能力，能为每位考生提供精准又个性化的志愿填报服务。

让每位考生拥有专属 AI 志愿顾问

夸克 “志愿报告” 由高考志愿大模型驱动，以 Agent 方式运行，目前已开放试用。它就像经验丰富的志愿填报专家，能为考生提供个性化的规划建议。基于 “任务规划 — 执行 — 检查 — 反思” 的链式推理流程，夸克志愿报告会自动生成完整报告，内容涵盖冲稳保策略、志愿表、院校专业推荐等。
“志愿报告” Agent 以考生的成绩、兴趣偏好、家庭背景和地域倾向等为依据，先制定个性化任务规划，比如定位成绩段、筛选专业方向、制定填报策略等；然后把任务转化为指令，依靠高质量数据完成任务执行。
每轮执行结果模型会自动检查，判断是否存在逻辑冲突、数据缺漏、排序异常等问题，并把结果反馈到 “反思” 模块。通过评估结果与需求的差异，不断优化后续策略，实现动态修正与智能迭代。比如考生倾向选择省内且要求 985 院校时，模型在执行任务后，若遇到省内 985 院校较少的情况，会像志愿专家一样尝试推荐适合的外省 985 高校。

夸克高考志愿大模型支撑的 “高考深度搜索” 功能，当用户输入复杂查询时就会触发，比如 “江苏物理组考生 584 分，性格内向，想找稳定工作”。为了提升回答的准确性与专业性，模型会把考生的真实需求精细拆解，每类需求都对应定制化的回答范式与要点，保证回复既有针对性又有深度。

训练机制：多阶段复杂训练让模型具备专家级决策能力
以通义千问为基座，夸克高考志愿大模型借助领域数据优势，通过专项训练，具备了对复杂规则与用户需求的理解和推理能力，真正实现 “像志愿专家一样思考与决策”。
夸克高考志愿大模型通过多阶段、高复杂度的训练范式构建流程，融合了自监督语义建模、监督式对齐调优、由专家判别价值引导的策略精化机制。在指令微调阶段，模型将数百名资深高考志愿规划师的沟通、决策过程进行结构化，围绕他们与考生或家长的多轮真实对话，提取完整分析路径与语言风格。通过把上万条真实专家 “推理链” 转化为高质量监督数据，模型深入学习人类专家的分析过程。
模型还在复杂推理任务中生成中间可验证结构，显著降低幻觉率、增强跨模态演绎能力，并实现分布外泛化鲁棒性，解决各种需要专业知识的复杂问题。最后通过基于人类偏好强化学习（RLHF）精化策略层，构建闭环优化机制，把 “模拟填报→专家反馈→策略评分” 引入模型迭代过程。模型会基于模拟的考生档案生成志愿填报方案，然后交给多位高考志愿专家评估，评估标准包括专业建议是否准确易懂、排序逻辑是否贴合考生特征、是否兼顾分数与兴趣、是否充分提示风险并给出可行应对策略等。夸克团队已完成对数千份志愿报告的专家标注与打分，通过 “人类挑刺 + 模型修正” 的方式，让模型输出在专业度与匹配度上持续接近专家的真实判断标准。

构建庞大高考知识库，夯实智能决策基础
和常见通用大模型多依赖网络文章或过往年份数据不同，夸克高考志愿大模型搭载了国内庞大的实时更新、结构严谨的高考知识库。这个知识库几乎覆盖了高考相关的所有权威站点，收录了全国 2900 多所高校、近 1600 个本科专业的信息，系统整合了院校分数线、专业设置、课程体系等核心教学信息。
夸克高考知识库还投入大量资源梳理并实时更新每个省份的高考政策及权威解读，通过 OCR 提取、多源交叉比对与人工抽检等多重机制，实现高可信度的数据引入与结构化治理，保证模型依赖的数据具有权威性和可验证性。此外，考虑到志愿填报与未来就业联系紧密，知识库还纳入了高校毕业生就业相关信息、产业趋势规划、就业报告等内容。丰富准确的数据为模型在 “冲 — 稳 — 保” 排序、就业前景评估等环节提供了有力支撑。

夸克算法负责人蒋冠军表示：“高考志愿填报是一个信息密集、决策复杂的场景。我们希望借助高考志愿大模型在信息处理和需求理解方面的专业优势，让每个考生和家庭都能获得全面的参考。”