生成高考志願報告突破1000萬份，夸克首次公開回應技術細節

作為一款輔助高考志願填報的神器，夸克最新“戰報”出爐。

觀察者網獲取的最新數據顯示，截至7月1日，阿里巴巴AI旗艦應用夸克已累計為考生和家長生成超1000萬份專業級志願報告。這些報告由今年推出的“志願報告”Agent生成，採用了具備“任務規劃—執行—檢查—反思”能力的深度研究技術。業內認為，這一成果已成為國內最大規模的深度研究技術應用。

夸克高考志願功能實測應用軟件截圖

公開資料顯示，“志願報告”Agent具備高度個性化與策略性，能夠基於用户信息規劃思考路徑，調用搜索工具進行信息收集，通過志願工具進行志願表操作，過程中不斷進行檢查和反思。Agent底層由夸克高考志願大模型與專業的高考知識庫提供支持，具備接近專家水平的決策能力。

在執行過程中，Agent通過多輪“工具調用+反思調整”的機制，動態優化志願方案。例如，當考生表達“傾向留在省內（廣州、深圳優先）、不考慮偏遠地區”時，模型會自動生成搜索指令：優先推薦廣州、深圳的高校，其次考慮廣東省內其他城市院校，排除偏遠地區選項；若優質選項受限，Agent還能主動反思擴展搜索範圍，如增加廣東周邊發達城市，或在高層次高校（如985）上適度放開地域限制，為考生爭取衝一衝的機會。

此外，Agent具備處理複雜、甚至自相矛盾訴求的能力。面對“數學成績差，但想報考計算機”這類常見衝突，系統會觸發“需求澄清”流程，提示用户這一選擇可能存在的能力匹配問題。這種專家式的思考路徑和策略調整，是傳統工具難以實現的，也是夸克“深度研究”技術真正實現智能化決策的關鍵所在。

AI到底是如何幫助考生實現“志願規劃”的？在日前的一場活動上，圍繞夸克高考AI技術背後的各項細節，夸克算法負責人蔣冠軍和夸克高考技術負責人唐亮，與觀察者網等媒體進行了一次深度分享。

夸克團隊回應技術細節

媒體提問：夸克是如何為考生填報志願提供輔助的，它的核心能力是什麼？

**夸克算法負責人蔣冠軍：**高考志願報告要解決的一個核心問題，是幫助用户獲取大量複雜信息，然後根據這些複雜信息來幫助用户做決策，完成學校報考。高考志願填報產品，與其他通用產品圍繞大模型做的問答產品，有非常大的差異。它必須專業、準確，而且必須個性化——在沒有大模型以前，這個能力是傳統問答無法做到的。

從高考的基本邏輯來講，我們提供的是一個“三位一體”的產品：其一是類似通用搜索的能力，用大模型將所有高考相關的問答進行系統性升級；其二是志願工具，用户可以輸入分數、學科，通過各項篩選工具的勾選，來生成參考建議。

其三是免費的志願報告，用户可以根據志願報告反向查詢基本信息，修改志願需求等等——對於很多高考考生或者家庭來説，他們最大的問題其實是不知道怎麼填報。他得到了一個分數，但是對於學校、專業，包括將來的就業、考研等這些信息其實都不熟悉。

媒體提問：收集和輸出高考相關信息時，其準確性夸克是怎麼保證的？

**蔣冠軍：**數據方面，我們必須要做到專業、準確。以前的技術方法是做通用搜索，在H5網頁生態裏去篩選相對比較優質和權威的數據。但傳統方法下，信息散落在多達幾百億個網頁之中，錯誤非常多。因此我們現在精選了與高考直接相關的幾十億個網頁，並對它們進行信息的準確性識別，以及質量分析等工作，包括收集大量非H5網頁。

很多高考政策或者學校招生信息，都收錄在相關機構和院校的官網裏。但是有一個潛在問題，這些官網和機構，在市場上並不是“知名站點”。傳統的通用搜索引擎很可能因為它是一個小站點，或者平時用户量少，相關數據收錄就比較少。因此，我們在這上面投入了大量的人力，把各種網站裏的專業資料、政策都蒐集進來。

**夸克高考技術負責人唐亮：**高考問答我們每年都會做，在去年基礎上，今年我們重點強調高考的專業知識庫概念。專業知識庫我們總共蒐集了8000多個站點，大概覆蓋了20多億數據，高考相關的權威站點佔比99%以上。對這8000多個站點，我們內部也會有些分層，比如有些像考試院、教育部、招生辦這部分肯定是政策相關最權威的。

還有一個是“政策庫”。每年志願填報可能都會不間斷地出些新政策，我們也會人工即時更新，通過人工與組織監控的方式，補足到政策庫裏，讓整體數據可以有詳細更新。非H5網頁部分，我們會把整個高考高校近三年的就業數據、考研數據和招錄體檢要求等信息，包括政府報告、行業研究分析收集進來。基本涵蓋了市面上所有的數據。

媒體提問：有設計保障措施嗎，從而進一步保障數據準確性？

**唐亮：**對於從各個渠道拿到每個省的招生計劃以及歷年分數線，這部分數據我們差不多有七年時間的積累。這裏面主要核心工作是兩大部分：一部分是數字對齊，用算法、用大模型去做招生計劃和分數線的對齊；另一部分是通過上百人的人工審核方式，對那些“不置信的內容”進行人工審核。

**媒體提問：**高考志願填報所用到的大模型，和傳統的通用大模型有哪些區別？

**唐亮：**獲得海量權威數據之後，我們要把它應用在高考志願大模型裏。這裏主要有兩個地方會應用到，第一個是作為RAG（Retrieval-Augmented Generation，檢索增強生成，旨在解決傳統大模型幻覺問題和知識滯後性侷限）材料內容供給，我們做材料結合時，會強調材料來源是高時效、高權威。

第二個方面，我們會把這些數據應用到高考志願大模型的訓練當中，讓它們作為訓練語料，幫助模型打磨這部分知識。在模型訓練時，我們會做大量的思路性校驗、數字校驗、即時性校驗等，相比通用模型有效降低幻覺率。

媒體提問：拿到招生計劃，怎麼進行“預測”？

**唐亮：**我們知道了當年的招生計劃以及歷年數據，那麼第一步就是預測今年的情況。我們會結合今年的情況和歷年的變化趨勢，判斷這個志願今年是下跌還是上漲，給出大概的下跌上漲區間。還有就是判斷每個分數段擴招、多招情況，對於擴招、多招數據進行一定比例的預測，這樣就會預測出今年大概是怎樣。

預測完志願波動變化範圍，比如一些top的非常好的學校，其實每年波動會非常少，而像一些中低分段學校比如專科院校，波動範圍比較大的，我們會統計每個省份每個分數段根據選科情況看波動範圍。根據波動範圍以及對應的政策，大概有個志願的動態分佈。再看考生在動態分佈的哪一個位置，那個位置就是我們預測的概念。

這裏面會出一些其他情況：比如説新專業或者新學校，我們如何去預測得更準？對於新專業，我們會拿各個學科相近的專業對參考；新學校我們也會看各個學校相似的學校，通過相似專業相同學校去看新專業新學校相對的範圍。

我們所做的工作，是讓用户可以通過我們的志願工具，通過篩選的方式獲取到志願報告。這個過程中用户可能循環多次，最終才能拿到想要的志願報告。報告給用户帶來的是什麼？用户輸入自然文本，我們把它“翻譯”成用户訴求，然後去檢索、生成合適的結果。

媒體提問：也就是説，“志願預測”本質是一個多環節環環相扣，理解用户並提供參考的過程。

**唐亮：**這個環節的第一步是規劃。用户輸入信息，我們的工具要把這個信息進行志願規劃，開展工作任務。那麼就先要明確用户大概的分數水平，去判斷他在什麼範圍，後續再引入各項指標：他對學校層級的要求，對專業的要求，對地域的要求，對未來規劃的要求……把它拆成一個一個的規劃問題。

第二個步驟是對規劃任務進行執行。這需要調用搜索工具，因為可能會有比較模糊的概念，比如説如何理解“數學成績比較差”，當然也可能需要藉助高考知識庫。數學成績差的，可能就不太適合填報那些對數學成績要求比較高的學校、專業。如果數學成績比較好，可能計算機、數學統計等專業就比較適合。

接着，我們要把用户訴求轉變成操作志願表的指令。比如有的考生想留在省內，例如“廣州深圳優先，不想去偏遠地區”，我們需要把這樣一句話（自然語言文本）轉化成地域維度的操作指令：最高優先級是廣州和深圳，次優先級是廣東省內，最低優先級是偏遠地區。我們要把這樣的範圍文本，變成操作志願表的專業指令。

“指令”被髮送給志願表，讓其進行操作，就會形成反饋。我們會根據他反饋的結果規劃下一個執行什麼：如果反饋適配的結果比較少，那麼我們可能會藉助專家建議，去進行反思以及拓展。

比如説，一位考生選擇廣東深圳優先，但適合的廣州深圳的志願比較少，那可能就會把條件放開，比如放開到廣東省；如果考生選擇了那些高層次的985，那麼可能就會突破一些限制，廣東省周邊的高層次院校，也可以進行推薦。我們通過來回的規劃任務執行、檢查和反思，去生成多條指令來操作。

媒體提問：相當於給考生的不同需求，加上不同的權重。綜合生成一套方案出來。

**唐亮：**在操作過程中，指令會被分成幾個維度，有可能會是對高校層級的要求，有可能是對專業的要求，有可能是對地域的要求，有可能是對招生計劃，甚至比如説學校氛圍、學校便利性以及住宿要求，食堂要求，周邊交通要求等等……它們都會被歸納到六個維度，系統分別給這六個維度打分。

通過執行、檢查、反思過程，系統會把它轉化到操作志願表的指令，最終我們會根據每個維度的打分，根據用户訴求，生成一個最終的志願表。因為執行過程中我們可以每個志願打分六個維度結構，綜合用户對每個維度的訴求，給他綜合排序。最終，系統會把整個過程規劃、反思過程寫成一份整體志願報告，形成完整的整理過程。

在這裏面，我們其實藉助了非常多的專家支持。比如説構建Agent過程中，我們訓練模型時會根據專家線下一對一的志願填報過程，蒐集專業數據。比如專家和家長老師的對話過程，裏面有很多相關的訴求數據。當然也包括專家面對考生時的分析思路，以及專家怎麼給不同考生的個性化推薦內容，以及每個地方的政策要求。

在冷啓動時，我們根據線下老師一對一的數據進行訓練，訓練之後還有託管模式，託管後可以用線上的真實數據構建RLHF（Reinforcement Learning from Human Feedback，基於人類反饋的強化學習）數據。拿到線上用户真實反饋數據之後，我們在線下也會讓多個專家進行維度打分。

線下打分主要是兩大維度，一是整體規劃執行過程是否合理，二是最後生成內容排序是否合理，專業匹配是否合理，它們會由專家老師打分，形成“獎勵”維度。我們志願決策，會獎勵模型一部分，去優化剛才執行過程志願表打分過程，優化之後形成最終的完整算法。整體過程就是這樣。

（發言系現場錄音整理，未經當事人審訂）