北京商報訊（記者 趙述評）6月12日，夸克發布國內首個為高考志愿填報場景開發的高考志愿大模型，并同步上線"高考深度搜索"、"志愿報告"、"智能選志愿"三大核心功能。該模型具備專家級決策能力，能夠為每位考生提供精準、個性化的志愿填報服務。

據了解，高考志愿大模型驅動的夸克"志愿報告"以Agent方式運行，目前已開放試用。基于"任務規劃—執行—檢查—反思"的鏈式推理流程，夸克志愿報告會自動輸出涵蓋沖穩保策略、志愿表、院校專業推薦等內容的完整報告。

每輪執行結果模型經過自動檢查，會判斷是否存在邏輯沖突、數據缺漏、排序異常等問題，并將結果反饋至"反思"模塊。通過評估結果與需求的差異不斷優化后續策略，從而實現動態修正與智能迭代。

例如，當考生傾向選擇省內且要求985院校時，模型在執行任務后，面對省內985院校較少的情況，會像志愿專家一樣嘗試推薦適合的外省985高校。

以通義千問為基座，夸克高考志愿大模型基于領域數據優勢，通過專項訓練具備對復雜規則與用戶需求的理解與推理能力，讓模型真正"像志愿專家一樣思考與決策"。

夸克高考志愿大模型通過一個多階段、高復雜度的訓練范式構建流程，融合了自監督語義建模、監督式對齊調優、由專家判別價值引導的策略精化機制。

在指令微調階段，夸克高考志愿大模型將數百名資深高考志愿規劃師的溝通、決策過程進行結構化。圍繞他們與考生或家長的多輪真實對話，提取出完整分析路徑與語言風格。通過將上萬條真實專家"推理鏈"轉化為高質量監督數據，夸克高考志愿大模型得以深度學習人類專家的分析過程。

夸克高考志愿大模型還在復雜推理任務中生成了中間可驗證結構，顯著降低幻覺率、增強跨模態演繹能力，并實現分布外泛化魯棒性，解決各種需要專業知識的復雜問題。

最后通過基于人類偏好強化學習（RLHF）精化策略層，夸克高考志愿大模型構建了一個閉環優化機制，將"模擬填報→專家反饋→策略評分"引入到模型迭代過程中。

模型會基于模擬的考生檔案生成志愿填報方案，隨后這些方案將被提交給多位高考志愿專家進行評估。評估標準包括：專業建議是否準確易懂、排序邏輯是否貼合考生特征、是否兼顧分數與興趣、是否充分提示風險并給出可行應對策略等。

夸克團隊已完成對數千份志愿報告的專家標注與打分，通過"人類挑刺+模型修正"的方式，使模型輸出在專業度與匹配度上持續逼近專家的真實判斷標準。