喬布斯曾問比爾·蓋茨：為什么科技幾乎改變了所有領域，卻唯獨對教育的影響小得出奇？

把經驗和運氣，變成數據和邏輯

你可能也聽過這樣的故事：

一起長大的朋友高考分數足夠上個末流 211，但一本志愿全滑檔，最后去了二本，成了該校歷史最高分；

妹妹擅長理工科，想報計算機專業，卻被爸媽一句 “程序員 35 歲就失業” 勸退，改報管理類，大學四年在背不懂的管理術語中掙扎；

小鎮做題家的同事，填志愿時連 “專業” 意味著什么都沒弄清楚，只是跟風選了當年最熱門的方向，如今在并不適合自己的行業里日復一日內耗。

每年大概只有 2% 的考生能接觸到志愿專家，剩下的 1300 萬考生，可能經歷了家長發動親友、翻爛學校手冊、跑招生會、在小紅書和知乎看帖的種種步驟后，依然改變不了資源有限、信息孤島、一知半解的局面。

但隨著技術的進步，游戲規則正在發生改變。高考志愿填報，是典型的信息密集、決策復雜場景，天然適合大模型落地。國內已經不少有模型能力，或者有數據積累的公司躍躍欲試。

已經服務 7 年高考的夸克，正試圖讓數據和大模型把這件原本靠 “大海撈針、經驗、運氣” 的事，變成一件可以靠 “智能、數據、邏輯” 完成的事。

最近，夸克上線了專為高考志愿填報打造的大模型，并同步推出 “高考深度搜索”“志愿報告”“智能選志愿” 三項核心功能。這樣一來，夸克能像專家一樣給出建議——不僅懂數據，還能結合每位考生的實際情況，給出更精準、個性化的志愿規劃。

全國 2900 多所高校、1600 多個專業、歷年分數線、就業情況與各類政策已經打通，夸克搭建出一套覆蓋廣、更新快的知識庫。過去要花幾天甚至十幾天查找和比對信息，需要耐心和記憶力，如今只需一個提問。

信息的可及性被拉平，但更重要的是個體差異開始被正視?？忌谔峁?12 條個人興趣偏好后，夸克會模擬志愿專家的分析路徑，結合成績、位次、興趣、地域、就業傾向等維度，為考生設計 “沖、穩、?！?不同梯度的志愿填報方案，并能生成專業志愿報告。

一直以來，少數人靠著懂志愿填報享受了超額紅利，夸克想用技術把這些紅利一點點拆解開。

大模型，怎么像志愿專家一樣思考

技術輔助決策，有時并不難。

搜索推薦原本就已經有一套成熟體系了，過去幾年，夸克把志愿填報需求拆解成城市偏好、專業限制、家庭訴求等信息，系統在規則庫里去找匹配的方案，也服務了超過 1.2 億位考生和家長。

技術輔助決策，有時又不容易。

真正的挑戰，在于復雜規則是否能被理解，碎片數據是否能被整合，個體差異是否能被尊重。

“信息缺口” 無處不在：志愿填報涉及考生分數、位次的浮動、政策變化，還要考慮填報策略、城市傾向、產業發展、就業趨勢，這些細微又關鍵的判斷，過去只掌握在少數專業咨詢師和資源豐富的家長手里。

尤其是 2019 年全國陸續開啟 “新高考” 之后，考生填報的志愿從小三四十個，變成近百個，難度成倍上升。

夸克訓練了一個 “能像志愿專家一樣思考” 的高考志愿大模型。從規則匹配到模型推理，夸克算法負責人蔣冠軍說，真正難的是生成一份貼近專家經驗的完整志愿報告。

夸克高考志愿報告

比如，人類專家在面對考生時，往往能通過多輪交流快速識別核心訴求。而大模型的交互輪次有限，面對 “想去東部沿海，不想太卷” 這類模糊表達，需要還原出背后的地理偏好、專業傾向、家庭背景。

怎么實現的？在通義大模型基座上，夸克高考志愿大模型建立了多階段、高復雜度的訓練范式構建流程。

夸克請了數百位志愿填報專家，把他們為考生出謀劃策的思路標注下來，再用這些推理鏈訓練模型。每次模型生成的新方案，也要過專家的 “挑刺”，再反饋回去優化。

這樣一來，夸克高考志愿大模型構建了 “模擬填報 → 專家反饋 → 策略評分” 的閉環優化機制。

參與訓練大模型的志愿填報專家任老師提到，他們不僅要輸入常見的認知類問題，還要處理復雜的決策類問題（比如 “這個分數報什么專業考公前景好”），為每一類問題撰寫詳盡的工作流程，引導模型逐步推理、科學決策，“過程非常嚴謹?！?/p>

模型產出的志愿方案，也會由專家多維度評分，校正事實性及邏輯性錯誤。同時專家還會持續優化答案和文案，確保報告的準確性和專業度。

上萬條志愿填報專家的 “推理鏈” 轉化為高質量監督數據后，夸克高考志愿大模型得以深度學習人類專家的分析過程，并掌握了這些志愿填報專家覆蓋全國各地的差異化知識。

“訓練大模型的過程非常有趣，雖然任務緊急還有幾次通宵，但整個過程打磨得非常精細化，模型生成的結果比較契合、貼近真人志愿填報專家?！?任老師說，“它越來越像人了，我覺得這點是比較令人欣喜的?！?/p>

“志愿報告”Agent 的運轉正是基于這樣具備專家級思維的模型。考生填完個人信息檔案，包括 4-8 個興趣問題和 4 個分數問題后，等待 5 分鐘，就能拿到十幾頁 A4 紙的志愿報告，包括填報策略、志愿表、院校專業推薦說明等。

從靠規則篩選，到由模型推理，背后是一種本質的范式躍遷：從 “經驗化推薦”，到 “結構化決策”。

只有當模型有了 “判斷力”，才能成為一個靠譜的決策參考，而不是一個 “看起來像懂” 的工具。

98% ，50%，技術怎么變得有用？

我們曾詳細介紹過阿里整家公司的 AI 戰略，如今夸克是整個阿里大模型 to C 應用的出口。在 3 月我們采訪阿里巴巴集團副總裁，也是阿里 AI to C 負責人的吳嘉時，他說希望剛剛升級的夸克 AI 超級框能真正解決用戶的各種個性化需求。做一個有用的 AI 產品，是夸克的初心。

高考填報志愿就是一個 “有用” 的場景，并且在大模型技術普及之前，夸克已經在探索。

“我們第一年還是比較粗糙的，” 夸克算法工程師張偉回憶。那時他們還搞不清楚到底該用考生的絕對分數排序，還是用位次（同位分）。整個邏輯是 “靠規則走”，根據往年位次算概率。

因為沒有廣告，搜索結果準確，自發使用夸克的高考生越來越多。團隊逐步積累了大量用戶反饋和技術經驗，從 “看上去合理” 進階到 “基于概率建模”。

如今 “用戶輸入個人信息，就能生成志愿方案” 的產品形態，早在前年就已有雛形，但受制于模型能力。

去年，夸克團隊基于當時的模型能力，把用戶的輸入拆解成城市偏好、專業限制、家庭訴求等信息，再在規則庫里去找匹配的方案。這年夸克輔助 3000 萬用戶填報志愿，其中，夸克高考 AI 搜索使用量突破了 1 億次。

一位夸克人士說，每年的高考，就是夸克的 “雙十一”——全員投入，系統滿載。今年，技術和產品更加成熟，他們也做了更充分的準備。

以生成一份十幾頁的個性化志愿報告為例，背后需要 5 到 10 分鐘的多輪推理，消耗的算力相當于上萬次搜索。但夸克并沒有為此限制用戶使用，反而將算力擴容到去年的 100 倍，同時依然免費。

使用夸克填報志愿的學生中，有 50% 來自三、四、五線城市。高考政策專家婁雷分享過一個細節：在城市里辦高考政策解讀會，來的是家長；在鄉村，來的幾乎都是學生，因為家長聽不懂，只能靠孩子自己拿主意。

在一二線城市，焦慮的家長會花錢請人 “專業填志愿”。但這個市場長期缺乏規范，價格混亂、服務參差，甚至有人用一套模板報告就收幾千塊。即便如此，能接觸到這些資源的考生，占比也不到 2%。

技術的價值在此刻大于商業的回報。

2011 年，喬布斯曾問比爾·蓋茨：為什么科技幾乎改變了所有領域，卻唯獨對教育的影響小得出奇？

如今，大模型的出現，讓這個問題重新值得被討論。大模型不該只是企業講故事、融資金、賺訂閱的工具，而應成為一項真正被普通人用上、用好，甚至能改寫人生路徑的技術。

2025 年，高考報名人數達到歷史新高——1450 萬，而本科招生計劃預計仍維持在 450 萬左右。這或許是技術展現價值的關鍵時刻。

題圖來源：《放牛班的春天》