6月12日，夸克发布国内首个为高考志愿填报场景开发的高考志愿大模型，并同步上线“高考深度搜索”、“志愿报告”、“智能选志愿”三大核心功能。该模型具备专家级决策能力，能够为每位考生提供精准、个性化的志愿填报服务。

　　据了解，高考志愿大模型驱动的夸克“志愿报告”以Agent方式运行，目前已开放试用。基于“任务规划—执行—检查—反思”的链式推理流程，夸克志愿报告会自动输出涵盖冲稳保策略、志愿表、院校专业推荐等内容的完整报告。

　　每轮执行结果模型经过自动检查，会判断是否存在逻辑冲突、数据缺漏、排序异常等问题，并将结果反馈至“反思”模块。通过评估结果与需求的差异不断优化后续策略，从而实现动态修正与智能迭代。

　　例如，当考生倾向选择省内且要求985院校时，模型在执行任务后，面对省内985院校较少的情况，会像志愿专家一样尝试推荐适合的外省985高校。

　　以通义千问为基座，夸克高考志愿大模型基于领域数据优势，通过专项训练具备对复杂规则与用户需求的理解与推理能力，让模型真正“像志愿专家一样思考与决策”。

　　夸克高考志愿大模型通过一个多阶段、高复杂度的训练范式构建流程，融合了自监督语义建模、监督式对齐调优、由专家判别价值引导的策略精化机制。

　　在指令微调阶段，夸克高考志愿大模型将数百名资深高考志愿规划师的沟通、决策过程进行结构化。围绕他们与考生或家长的多轮真实对话，提取出完整分析路径与语言风格。通过将上万条真实专家“推理链”转化为高质量监督数据，夸克高考志愿大模型得以深度学习人类专家的分析过程。

　　夸克高考志愿大模型还在复杂推理任务中生成了中间可验证结构，显著降低幻觉率、增强跨模态演绎能力，并实现分布外泛化鲁棒性，解决各种需要专业知识的复杂问题。

　　最后通过基于人类偏好强化学习（RLHF）精化策略层，夸克高考志愿大模型构建了一个闭环优化机制，将“模拟填报 → 专家反馈 → 策略评分”引入到模型迭代过程中。

　　模型会基于模拟的考生档案生成志愿填报方案，随后这些方案将被提交给多位高考志愿专家进行评估。评估标准包括：专业建议是否准确易懂、排序逻辑是否贴合考生特征、是否兼顾分数与兴趣、是否充分提示风险并给出可行应对策略等。

　　夸克团队已完成对数千份志愿报告的专家标注与打分，通过“人类挑刺 + 模型修正”的方式，使模型输出在专业度与匹配度上持续逼近专家的真实判断标准。

（文章来源：北京商报）