作為一款輔助高考志愿填報的神器，夸克最新“戰(zhàn)報”出爐。

觀察者網(wǎng)獲取的最新數(shù)據(jù)顯示，截至7月1日，阿里巴巴AI旗艦應(yīng)用夸克已累計為考生和家長生成超1000萬份專業(yè)級志愿報告。這些報告由今年推出的“志愿報告”Agent生成，采用了具備“任務(wù)規(guī)劃—執(zhí)行—檢查—反思”能力的深度研究技術(shù)。業(yè)內(nèi)認為，這一成果已成為國內(nèi)最大規(guī)模的深度研究技術(shù)應(yīng)用。

夸克高考志愿功能實測應(yīng)用軟件截圖

公開資料顯示，“志愿報告”Agent具備高度個性化與策略性，能夠基于用戶信息規(guī)劃思考路徑，調(diào)用搜索工具進行信息收集，通過志愿工具進行志愿表操作，過程中不斷進行檢查和反思。Agent底層由夸克高考志愿大模型與專業(yè)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(zhí)行過程中，Agent通過多輪“工具調(diào)用+反思調(diào)整”的機制，動態(tài)優(yōu)化志愿方案。例如，當考生表達“傾向留在省內(nèi)（廣州、深圳優(yōu)先）、不考慮偏遠地區(qū)”時，模型會自動生成搜索指令：優(yōu)先推薦廣州、深圳的高校，其次考慮廣東省內(nèi)其他城市院校，排除偏遠地區(qū)選項；若優(yōu)質(zhì)選項受限，Agent還能主動反思擴展搜索范圍，如增加廣東周邊發(fā)達城市，或在高層次高校（如985）上適度放開地域限制，為考生爭取沖一沖的機會。

此外，Agent具備處理復(fù)雜、甚至自相矛盾訴求的能力。面對“數(shù)學(xué)成績差，但想報考計算機”這類常見沖突，系統(tǒng)會觸發(fā)“需求澄清”流程，提示用戶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(diào)整，是傳統(tǒng)工具難以實現(xiàn)的，也是夸克“深度研究”技術(shù)真正實現(xiàn)智能化決策的關(guān)鍵所在。

AI到底是如何幫助考生實現(xiàn)“志愿規(guī)劃”的？在日前的一場活動上，圍繞夸克高考AI技術(shù)背后的各項細節(jié)，夸克算法負責(zé)人蔣冠軍和夸克高考技術(shù)負責(zé)人唐亮，與觀察者網(wǎng)等媒體進行了一次深度分享。

夸克團隊回應(yīng)技術(shù)細節(jié)

媒體提問：夸克是如何為考生填報志愿提供輔助的，它的核心能力是什么？

夸克算法負責(zé)人蔣冠軍：高考志愿報告要解決的一個核心問題，是幫助用戶獲取大量復(fù)雜信息，然后根據(jù)這些復(fù)雜信息來幫助用戶做決策，完成學(xué)校報考。高考志愿填報產(chǎn)品，與其他通用產(chǎn)品圍繞大模型做的問答產(chǎn)品，有非常大的差異。它必須專業(yè)、準確，而且必須個性化——在沒有大模型以前，這個能力是傳統(tǒng)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(chǎn)品：其一是類似通用搜索的能力，用大模型將所有高考相關(guān)的問答進行系統(tǒng)性升級；其二是志愿工具，用戶可以輸入分數(shù)、學(xué)科，通過各項篩選工具的勾選，來生成參考建議。

其三是免費的志愿報告，用戶可以根據(jù)志愿報告反向查詢基本信息，修改志愿需求等等——對于很多高考考生或者家庭來說，他們最大的問題其實是不知道怎么填報。他得到了一個分數(shù)，但是對于學(xué)校、專業(yè)，包括將來的就業(yè)、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(guān)信息時，其準確性夸克是怎么保證的？

蔣冠軍：數(shù)據(jù)方面，我們必須要做到專業(yè)、準確。以前的技術(shù)方法是做通用搜索，在H5網(wǎng)頁生態(tài)里去篩選相對比較優(yōu)質(zhì)和權(quán)威的數(shù)據(jù)。但傳統(tǒng)方法下，信息散落在多達幾百億個網(wǎng)頁之中，錯誤非常多。因此我們現(xiàn)在精選了與高考直接相關(guān)的幾十億個網(wǎng)頁，并對它們進行信息的準確性識別，以及質(zhì)量分析等工作，包括收集大量非H5網(wǎng)頁。

很多高考政策或者學(xué)校招生信息，都收錄在相關(guān)機構(gòu)和院校的官網(wǎng)里。但是有一個潛在問題，這些官網(wǎng)和機構(gòu)，在市場上并不是“知名站點”。傳統(tǒng)的通用搜索引擎很可能因為它是一個小站點，或者平時用戶量少，相關(guān)數(shù)據(jù)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(wǎng)站里的專業(yè)資料、政策都搜集進來。

夸克高考技術(shù)負責(zé)人唐亮：高考問答我們每年都會做，在去年基礎(chǔ)上，今年我們重點強調(diào)高考的專業(yè)知識庫概念。專業(yè)知識庫我們總共搜集了8000多個站點，大概覆蓋了20多億數(shù)據(jù)，高考相關(guān)的權(quán)威站點占比99%以上。對這8000多個站點，我們內(nèi)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(guān)最權(quán)威的。

還有一個是“政策庫”。每年志愿填報可能都會不間斷地出些新政策，我們也會人工實時更新，通過人工與組織監(jiān)控的方式，補足到政策庫里，讓整體數(shù)據(jù)可以有詳細更新。非H5網(wǎng)頁部分，我們會把整個高考高校近三年的就業(yè)數(shù)據(jù)、考研數(shù)據(jù)和招錄體檢要求等信息，包括政府報告、行業(yè)研究分析收集進來。基本涵蓋了市面上所有的數(shù)據(jù)。

媒體提問：有設(shè)計保障措施嗎，從而進一步保障數(shù)據(jù)準確性？

唐亮：對于從各個渠道拿到每個省的招生計劃以及歷年分數(shù)線，這部分數(shù)據(jù)我們差不多有七年時間的積累。這里面主要核心工作是兩大部分：一部分是數(shù)字對齊，用算法、用大模型去做招生計劃和分數(shù)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(nèi)容”進行人工審核。

媒體提問：高考志愿填報所用到的大模型，和傳統(tǒng)的通用大模型有哪些區(qū)別？

唐亮：獲得海量權(quán)威數(shù)據(jù)之后，我們要把它應(yīng)用在高考志愿大模型里。這里主要有兩個地方會應(yīng)用到，第一個是作為RAG（Retrieval-Augmented Generation，檢索增強生成，旨在解決傳統(tǒng)大模型幻覺問題和知識滯后性局限）材料內(nèi)容供給，我們做材料結(jié)合時，會強調(diào)材料來源是高時效、高權(quán)威。

第二個方面，我們會把這些數(shù)據(jù)應(yīng)用到高考志愿大模型的訓(xùn)練當中，讓它們作為訓(xùn)練語料，幫助模型打磨這部分知識。在模型訓(xùn)練時，我們會做大量的思路性校驗、數(shù)字校驗、實時性校驗等，相比通用模型有效降低幻覺率。

媒體提問：拿到招生計劃，怎么進行“預(yù)測”？

唐亮：我們知道了當年的招生計劃以及歷年數(shù)據(jù)，那么第一步就是預(yù)測今年的情況。我們會結(jié)合今年的情況和歷年的變化趨勢，判斷這個志愿今年是下跌還是上漲，給出大概的下跌上漲區(qū)間。還有就是判斷每個分數(shù)段擴招、多招情況，對于擴招、多招數(shù)據(jù)進行一定比例的預(yù)測，這樣就會預(yù)測出今年大概是怎樣。

預(yù)測完志愿波動變化范圍，比如一些top的非常好的學(xué)校，其實每年波動會非常少，而像一些中低分段學(xué)校比如?？圃盒?，波動范圍比較大的，我們會統(tǒng)計每個省份每個分數(shù)段根據(jù)選科情況看波動范圍。根據(jù)波動范圍以及對應(yīng)的政策，大概有個志愿的動態(tài)分布。再看考生在動態(tài)分布的哪一個位置，那個位置就是我們預(yù)測的概念。

這里面會出一些其他情況：比如說新專業(yè)或者新學(xué)校，我們?nèi)绾稳ヮA(yù)測得更準？對于新專業(yè)，我們會拿各個學(xué)科相近的專業(yè)對參考；新學(xué)校我們也會看各個學(xué)校相似的學(xué)校，通過相似專業(yè)相同學(xué)校去看新專業(yè)新學(xué)校相對的范圍。

我們所做的工作，是讓用戶可以通過我們的志愿工具，通過篩選的方式獲取到志愿報告。這個過程中用戶可能循環(huán)多次，最終才能拿到想要的志愿報告。報告給用戶帶來的是什么？用戶輸入自然文本，我們把它“翻譯”成用戶訴求，然后去檢索、生成合適的結(jié)果。

媒體提問：也就是說，“志愿預(yù)測”本質(zhì)是一個多環(huán)節(jié)環(huán)環(huán)相扣，理解用戶并提供參考的過程。

唐亮：這個環(huán)節(jié)的第一步是規(guī)劃。用戶輸入信息，我們的工具要把這個信息進行志愿規(guī)劃，開展工作任務(wù)。那么就先要明確用戶大概的分數(shù)水平，去判斷他在什么范圍，后續(xù)再引入各項指標：他對學(xué)校層級的要求，對專業(yè)的要求，對地域的要求，對未來規(guī)劃的要求……把它拆成一個一個的規(guī)劃問題。

第二個步驟是對規(guī)劃任務(wù)進行執(zhí)行。這需要調(diào)用搜索工具，因為可能會有比較模糊的概念，比如說如何理解“數(shù)學(xué)成績比較差”，當然也可能需要借助高考知識庫。數(shù)學(xué)成績差的，可能就不太適合填報那些對數(shù)學(xué)成績要求比較高的學(xué)校、專業(yè)。如果數(shù)學(xué)成績比較好，可能計算機、數(shù)學(xué)統(tǒng)計等專業(yè)就比較適合。

接著，我們要把用戶訴求轉(zhuǎn)變成操作志愿表的指令。比如有的考生想留在省內(nèi)，例如“廣州深圳優(yōu)先，不想去偏遠地區(qū)”，我們需要把這樣一句話（自然語言文本）轉(zhuǎn)化成地域維度的操作指令：最高優(yōu)先級是廣州和深圳，次優(yōu)先級是廣東省內(nèi)，最低優(yōu)先級是偏遠地區(qū)。我們要把這樣的范圍文本，變成操作志愿表的專業(yè)指令。

“指令”被發(fā)送給志愿表，讓其進行操作，就會形成反饋。我們會根據(jù)他反饋的結(jié)果規(guī)劃下一個執(zhí)行什么：如果反饋適配的結(jié)果比較少，那么我們可能會借助專家建議，去進行反思以及拓展。

比如說，一位考生選擇廣東深圳優(yōu)先，但適合的廣州深圳的志愿比較少，那可能就會把條件放開，比如放開到廣東??；如果考生選擇了那些高層次的985，那么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(guī)劃任務(wù)執(zhí)行、檢查和反思，去生成多條指令來操作。

媒體提問：相當于給考生的不同需求，加上不同的權(quán)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(yè)的要求，有可能是對地域的要求，有可能是對招生計劃，甚至比如說學(xué)校氛圍、學(xué)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(tǒng)分別給這六個維度打分。

通過執(zhí)行、檢查、反思過程，系統(tǒng)會把它轉(zhuǎn)化到操作志愿表的指令，最終我們會根據(jù)每個維度的打分，根據(jù)用戶訴求，生成一個最終的志愿表。因為執(zhí)行過程中我們可以每個志愿打分六個維度結(jié)構(gòu)，綜合用戶對每個維度的訴求，給他綜合排序。最終，系統(tǒng)會把整個過程規(guī)劃、反思過程寫成一份整體志愿報告，形成完整的整理過程。

在這里面，我們其實借助了非常多的專家支持。比如說構(gòu)建Agent過程中，我們訓(xùn)練模型時會根據(jù)專家線下一對一的志愿填報過程，搜集專業(yè)數(shù)據(jù)。比如專家和家長老師的對話過程，里面有很多相關(guān)的訴求數(shù)據(jù)。當然也包括專家面對考生時的分析思路，以及專家怎么給不同考生的個性化推薦內(nèi)容，以及每個地方的政策要求。

在冷啟動時，我們根據(jù)線下老師一對一的數(shù)據(jù)進行訓(xùn)練，訓(xùn)練之后還有托管模式，托管后可以用線上的真實數(shù)據(jù)構(gòu)建RLHF（Reinforcement Learning from Human Feedback，基于人類反饋的強化學(xué)習(xí)）數(shù)據(jù)。拿到線上用戶真實反饋數(shù)據(jù)之后，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(guī)劃執(zhí)行過程是否合理，二是最后生成內(nèi)容排序是否合理，專業(yè)匹配是否合理，它們會由專家老師打分，形成“獎勵”維度。我們志愿決策，會獎勵模型一部分，去優(yōu)化剛才執(zhí)行過程志愿表打分過程，優(yōu)化之后形成最終的完整算法。整體過程就是這樣。

（發(fā)言系現(xiàn)場錄音整理，未經(jīng)當事人審訂）