AI 与志愿填报机构对决，谁更懂你的未来？

乔布斯曾问比尔·盖茨：为什么科技几乎改变了所有领域，却唯独对教育的影响小得出奇？

把经验和运气，变成数据和逻辑

你可能也听过这样的故事：

一起长大的朋友高考分数足够上个末流 211，但一本志愿全滑档，最后去了二本，成了该校历史最高分；

妹妹擅长理工科，想报计算机专业，却被爸妈一句 “程序员 35 岁就失业” 劝退，改报管理类，大学四年在背不懂的管理术语中挣扎；

小镇做题家的同事，填志愿时连 “专业” 意味着什么都没弄清楚，只是跟风选了当年最热门的方向，如今在并不适合自己的行业里日复一日内耗。

每年大概只有 2% 的考生能接触到志愿专家，剩下的 1300 万考生，可能经历了家长发动亲友、翻烂学校手册、跑招生会、在小红书和知乎看帖的种种步骤后，依然改变不了资源有限、信息孤岛、一知半解的局面。

但随着技术的进步，游戏规则正在发生改变。高考志愿填报，是典型的信息密集、决策复杂场景，天然适合大模型落地。国内已经不少有模型能力，或者有数据积累的公司跃跃欲试。

已经服务 7 年高考的夸克，正试图让数据和大模型把这件原本靠 “大海捞针、经验、运气” 的事，变成一件可以靠 “智能、数据、逻辑” 完成的事。

最近，夸克上线了专为高考志愿填报打造的大模型，并同步推出 “高考深度搜索”“志愿报告”“智能选志愿” 三项核心功能。这样一来，夸克能像专家一样给出建议——不仅懂数据，还能结合每位考生的实际情况，给出更精准、个性化的志愿规划。

全国 2900 多所高校、1600 多个专业、历年分数线、就业情况与各类政策已经打通，夸克搭建出一套覆盖广、更新快的知识库。过去要花几天甚至十几天查找和比对信息，需要耐心和记忆力，如今只需一个提问。

信息的可及性被拉平，但更重要的是个体差异开始被正视。考生在提供 12 条个人兴趣偏好后，夸克会模拟志愿专家的分析路径，结合成绩、位次、兴趣、地域、就业倾向等维度，为考生设计 “冲、稳、保” 不同梯度的志愿填报方案，并能生成专业志愿报告。

一直以来，少数人靠着懂志愿填报享受了超额红利，夸克想用技术把这些红利一点点拆解开。

大模型，怎么像志愿专家一样思考

技术辅助决策，有时并不难。

搜索推荐原本就已经有一套成熟体系了，过去几年，夸克把志愿填报需求拆解成城市偏好、专业限制、家庭诉求等信息，系统在规则库里去找匹配的方案，也服务了超过 1.2 亿位考生和家长。

技术辅助决策，有时又不容易。

真正的挑战，在于复杂规则是否能被理解，碎片数据是否能被整合，个体差异是否能被尊重。

“信息缺口” 无处不在：志愿填报涉及考生分数、位次的浮动、政策变化，还要考虑填报策略、城市倾向、产业发展、就业趋势，这些细微又关键的判断，过去只掌握在少数专业咨询师和资源丰富的家长手里。

尤其是 2019 年全国陆续开启 “新高考” 之后，考生填报的志愿从小三四十个，变成近百个，难度成倍上升。

夸克训练了一个 “能像志愿专家一样思考” 的高考志愿大模型。从规则匹配到模型推理，夸克算法负责人蒋冠军说，真正难的是生成一份贴近专家经验的完整志愿报告。

夸克高考志愿报告

比如，人类专家在面对考生时，往往能通过多轮交流快速识别核心诉求。而大模型的交互轮次有限，面对 “想去东部沿海，不想太卷” 这类模糊表达，需要还原出背后的地理偏好、专业倾向、家庭背景。

怎么实现的？在通义大模型基座上，夸克高考志愿大模型建立了多阶段、高复杂度的训练范式构建流程。

夸克请了数百位志愿填报专家，把他们为考生出谋划策的思路标注下来，再用这些推理链训练模型。每次模型生成的新方案，也要过专家的 “挑刺”，再反馈回去优化。

这样一来，夸克高考志愿大模型构建了 “模拟填报 → 专家反馈 → 策略评分” 的闭环优化机制。

参与训练大模型的志愿填报专家任老师提到，他们不仅要输入常见的认知类问题，还要处理复杂的决策类问题（比如 “这个分数报什么专业考公前景好”），为每一类问题撰写详尽的工作流程，引导模型逐步推理、科学决策，“过程非常严谨。”

模型产出的志愿方案，也会由专家多维度评分，校正事实性及逻辑性错误。同时专家还会持续优化答案和文案，确保报告的准确性和专业度。

上万条志愿填报专家的 “推理链” 转化为高质量监督数据后，夸克高考志愿大模型得以深度学习人类专家的分析过程，并掌握了这些志愿填报专家覆盖全国各地的差异化知识。

“训练大模型的过程非常有趣，虽然任务紧急还有几次通宵，但整个过程打磨得非常精细化，模型生成的结果比较契合、贴近真人志愿填报专家。” 任老师说，“它越来越像人了，我觉得这点是比较令人欣喜的。”

“志愿报告”Agent 的运转正是基于这样具备专家级思维的模型。考生填完个人信息档案，包括 4-8 个兴趣问题和 4 个分数问题后，等待 5 分钟，就能拿到十几页 A4 纸的志愿报告，包括填报策略、志愿表、院校专业推荐说明等。

从靠规则筛选，到由模型推理，背后是一种本质的范式跃迁：从 “经验化推荐”，到 “结构化决策”。

只有当模型有了 “判断力”，才能成为一个靠谱的决策参考，而不是一个 “看起来像懂” 的工具。

98% ，50%，技术怎么变得有用？

我们曾详细介绍过阿里整家公司的 AI 战略，如今夸克是整个阿里大模型 to C 应用的出口。在 3 月我们采访阿里巴巴集团副总裁，也是阿里 AI to C 负责人的吴嘉时，他说希望刚刚升级的夸克 AI 超级框能真正解决用户的各种个性化需求。做一个有用的 AI 产品，是夸克的初心。

高考填报志愿就是一个 “有用” 的场景，并且在大模型技术普及之前，夸克已经在探索。

“我们第一年还是比较粗糙的，” 夸克算法工程师张伟回忆。那时他们还搞不清楚到底该用考生的绝对分数排序，还是用位次（同位分）。整个逻辑是 “靠规则走”，根据往年位次算概率。

因为没有广告，搜索结果准确，自发使用夸克的高考生越来越多。团队逐步积累了大量用户反馈和技术经验，从 “看上去合理” 进阶到 “基于概率建模”。

如今 “用户输入个人信息，就能生成志愿方案” 的产品形态，早在前年就已有雏形，但受制于模型能力。

去年，夸克团队基于当时的模型能力，把用户的输入拆解成城市偏好、专业限制、家庭诉求等信息，再在规则库里去找匹配的方案。这年夸克辅助 3000 万用户填报志愿，其中，夸克高考 AI 搜索使用量突破了 1 亿次。

一位夸克人士说，每年的高考，就是夸克的 “双十一”——全员投入，系统满载。今年，技术和产品更加成熟，他们也做了更充分的准备。

以生成一份十几页的个性化志愿报告为例，背后需要 5 到 10 分钟的多轮推理，消耗的算力相当于上万次搜索。但夸克并没有为此限制用户使用，反而将算力扩容到去年的 100 倍，同时依然免费。

使用夸克填报志愿的学生中，有 50% 来自三、四、五线城市。高考政策专家娄雷分享过一个细节：在城市里办高考政策解读会，来的是家长；在乡村，来的几乎都是学生，因为家长听不懂，只能靠孩子自己拿主意。

在一二线城市，焦虑的家长会花钱请人 “专业填志愿”。但这个市场长期缺乏规范，价格混乱、服务参差，甚至有人用一套模板报告就收几千块。即便如此，能接触到这些资源的考生，占比也不到 2%。

技术的价值在此刻大于商业的回报。

2011 年，乔布斯曾问比尔·盖茨：为什么科技几乎改变了所有领域，却唯独对教育的影响小得出奇？

如今，大模型的出现，让这个问题重新值得被讨论。大模型不该只是企业讲故事、融资金、赚订阅的工具，而应成为一项真正被普通人用上、用好，甚至能改写人生路径的技术。

2025 年，高考报名人数达到历史新高——1450 万，而本科招生计划预计仍维持在 450 万左右。这或许是技术展现价值的关键时刻。

题图来源：《放牛班的春天》