2025年的高考成绩已经相继公布，全国各地的高考学子们共同面临着一个共同的挑战——那就是填报志愿。在自行搜集资料、寻求专业人士指导的同时，成千上万的考生与家长纷纷转向人工智能寻求帮助。
夸克，这家长期致力于高考信息服务的平台，在今年展现出了令人瞩目的新功能。到了6月30日，它已经成功制作了超过1000万份AI志愿填报报告。这些报告不仅为考生及家长提供了详尽的考生情况分析，还帮助他们设计了填报策略，解读了志愿表，并提供了风险提示，全面覆盖了志愿填报所需的信息，有效地辅助了志愿填报过程。
这份报告是由夸克公司最新推出的“志愿报告”Agent所编制，其基础架构依托于夸克的高考志愿大模型以及高考知识库，同时融入了“任务规划、执行、检查、反思”这一深度研究的逻辑框架。
该Agent能够依据用户所提供的基础资料，设计出思考的路线，运用搜索工具搜集相关信息，并在实施过程中对志愿计划进行实时调整，甚至还会自发地审视并拓宽推荐内容的范畴。
“志愿报告”Agent所展现的决策思维与人类专家相近，且具备灵活的动态策略调整能力，这一点是传统工具所难以达到的。作为夸克深度研究技术在特定领域内的典型应用案例，“志愿报告”Agent在经过超过1000万份报告的实践检验后，已然成为我国规模最大的深度研究应用之一。
夸克平台上的通用深度研究功能，已经在5月份正式在夸克的主页上推出。通过对志愿者提交的报告进行剖析，我们得以一窥夸克在深度研究领域的整体技术理念和未来的发展路径。
一、5分钟生成完整报告，AI也能真正像专家一样思考
今年的“志愿报告”是夸克推出的重点功能之一，它是我国独一无二的能够生成全面志愿报告的智能助手。当考生提供了自己的省份、考试成绩以及兴趣偏好等相关信息后，该“志愿报告”智能助手便能在短短5至10分钟内，向考生提供一份内容详尽的报告。
本报告能够依据考生资料，梳理出明确的志愿填报指导方案，不仅兼顾了录取分数线、科目搭配等关键指标，而且充分洞察了考生的专业喜好、职业设想以及地域倾向等个人偏好。
“志愿报告”系统不仅会关注录取比例，同时还会综合评估地区分布、城市的发展机遇以及考生的职业规划路径等多个维度，所提供的方案既全面又突出重点，对关键志愿进行了深入细致的分析。
在执行阶段，Agent运用了多轮次的“工具调用加反思调整”策略，对志愿方案进行实时优化。比如，当考生表明他们倾向于留在省内，并优先考虑广州和深圳，同时不考虑偏远地区时，系统便会自动生成相应的搜索指令，优先向他们推荐广州和深圳的高校，接着是广东省内其他城市的院校，并排除掉偏远地区的选项。
若面临优质选项的局限，Agent能够主动进行自我审视，并扩大搜索领域，比如纳入广东周边的发达地区，亦或是在顶尖高等教育机构（例如985高校）层面适当放宽地域界限，从而为考生争取到更多冲刺理想院校的机会。
对于一些较为繁杂、有时甚至相互抵触的要求，“志愿报告”智能代理将协助用户对需求进行更深入的明确。比如，当用户面临“数学成绩不佳，却希望报考计算机专业”这样的典型矛盾时，系统将向用户指出这种选择可能存在的技能与专业匹配上的疑虑。
高考志愿填报环节，其决策风险高、个性化需求强、信息繁杂且不断更新，这样的特定情境下，AI系统必须提供切实可靠的决策辅助。接下来，我们将对夸克“志愿报告”Agent所依托的技术体系的核心构成及其创新点进行详细剖析。
大量可靠数据与细致的人工审核相结合，深入揭示“志愿报告”系统背后的技术架构。
在志愿填报这一特定领域，精确的数据信息构成了Agent作出恰当决策的关键基础。
夸克高考志愿大模型的知识库对高考相关权威网站进行了全面覆盖，达到了近乎100%的覆盖率。它搜集了超过8000个网站中的数十亿个网页内容，内容涉及全国2900多所高校以及近1600个本科专业。此外，该系统还整合了包括院校分数线、专业设置、课程体系在内的核心教学信息。
该知识库不仅汇聚了H5网页的相关数据，而且投入了众多人力搜集非H5网页的数据，例如学校官方网站上的招生资讯和各类机构资料，同时还包括了线下领域的专业信息，旨在确保即便是小众或不知名的站点所提供的权威信息也能被纳入其中，以此确保数据的全面性与可靠性。
夸克高考知识库致力于对各个省份的高考政策进行详尽梳理，并对其权威解读进行实时更新。为此，它运用了OCR技术提取信息，通过多源数据交叉比对以及人工审核等手段，确保了数据的高可信度。同时，这些数据被结构化处理，从而保证了模型所依赖数据的权威性和可验证性。
除此之外，鉴于志愿选择与未来的职业发展密切相关，夸克高考知识库还特别增加了高校近三年的就业情况、考研信息、招生体检标准以及行业深入分析报告等相关扩展资料。
夸克的高考志愿大模型则是“志愿报告”Agent的大脑。
该模型以通义千问为基石，充分依托夸克在过去7年中针对高考数据的丰富积累。一方面，夸克高考知识库的数据被纳入到夸克高考志愿大模型的训练流程中，充当训练素材，经模型加工和提炼，以提升相关知识的质量；另一方面，这些数据也可作为模型进行推理时所需的内容供给，即RAG（Retrieval-Augmented Generation）的素材。
该模型经过多阶段的针对性训练，成功掌握了复杂规则和用户需求的解读与推断技巧。在内部评估中，相较于通用模型，高考志愿预测模型在产生幻觉方面的比率显著下降。
在指令微调环节，夸克高考志愿大模型对众多资深高考志愿规划师的交流与决策流程进行了系统化整理。它基于规划师与考生或家长之间的多轮实际对话，提炼出了详尽的分析路径和独特的语言风格。此外，通过将成千上万条专家级的“推理过程”转换成高标准的监督数据，夸克高考志愿大模型能够深入掌握人类专家的分析技巧。
在后续的训练环节，夸克高考志愿预测模型巧妙融合了RLVR（可验证奖励强化学习）与RLHF（人类反馈强化学习）两种技术。RLVR借助具体信息（例如院校编号、选课条件等）实现自动化审核，而RLHF则依赖人工评价进行质量把控。这两种方法巧妙地结合并协同运作，旨在提升模型输出的预测效果。
在RLHF阶段，人工专家的评判显得尤为重要。模型所输出的志愿填报方案需由众多高考志愿专家进行细致评估。评估内容涵盖：所提专业建议是否易于理解、排序依据是否与考生实际情况相符、是否平衡了分数和兴趣、是否对潜在风险进行了充分提示并提供了有效的应对措施等。
采用“人类指正加模型优化”的方法，夸克高考志愿的大型模型在专业性和契合度方面不断接近专家的精准评估。提交报告之后，该模型还能依据用户的后续指令进行持续的更新和改进。
最终，夸克“志愿报告”Agent凭借其构建的全面、权威的高考知识库，融合了多阶段的专项训练和强化学习机制，大幅提高了报告的精确性与个性化程度，从而为考生及其家长提供了专业且值得信赖的智能决策辅助。
三、真实世界千万用户验证，夸克深度研究潜力尽显
蒋冠军，作为夸克算法的负责人，认为这份志愿报告标志着夸克在深度研究技术领域的一次关键尝试。他发现，众多专业领域用户的需求日益复杂，常规搜索和简单总结已无法满足。观察这次志愿报告的实际应用，深度研究技术已使AI成为用户身边的“专家型助手”。
夸克的“志愿报告”Agent在志愿填报方面展现出专家级水准，这一成就与夸克所秉持的“深度研究”技术特色密切相关。
实际上，市场上已经涌现出众多具备“深度研究”功能的AI产品，尽管它们能够迅速产出报告，然而在深入分析具体内容方面，其精准度和专业性尚需加强，特别是在志愿填报这一特定领域。
行业和领域知识的不足可能导致“深度研究”功能错误解读专业术语，或者遗漏重要细节。特别是在知识更新迅速的前沿领域，使用过时的数据还可能引发分析上的偏差。
众多深度研究产品的专业水准尚不能与行业内的资深专家相媲美。尽管人工智能具备整合和统计海量数据的能力，但在数据分析方面仍有显著的不足，并且缺少实际经验和逻辑推理的能力。
今年五月，夸克平台推出了深度研究的高级功能，并已全面启动面向所有用户的邀请测试。用户只需在夸克的主页搜索栏中查找，即可轻松找到该功能的入口。
深入探究夸克领域，我们能够构建系统性的研究框架、明确问题解决的途径、实现人工智能技术的协作应用，以及提供跨媒体的数据输出。根据调查数据，首批被邀请的用户中，对于研究报告的下载及主动传播的比例已超过40%，这一数据也间接揭示了用户的高度满意。
今年高考期间推出的“志愿报告”智能助手，充分体现了我们在深度研究领域的成果在特定领域的广泛应用潜力。为了解决深度研究可能遇到的问题，夸克团队在构建“志愿报告”智能助手的过程中，已经形成了一套切实可行的研究方法论。
结语：人人可用的夸克深度研究，用AI打破信息壁垒
夸克此次将深度研究技术应用于志愿填报领域，这一举措不仅具有显著的社会价值，而且意义深远。过去，优质的高考志愿填报服务通常以付费形式存在，其服务对象仅限于少数考生。然而，夸克的加入正在逐步扭转这一状况。
在最近举行的交流会议上，蒋冠军展示了一系列引人入胜的统计资料。到目前为止，夸克平台上的“志愿报告”Agent已生成超过1000万份报告，其中超过一半的报告由三线及以下城市的用户提交。这一现象表明，在那些传统付费服务难以覆盖或用户经济能力有限的地方，夸克成功地满足了当地居民对教育资源的需求，为促进教育资源的公平分配提供了一种切实可行的途径。
回顾夸克在过去数年间的发展轨迹，我们不难发现，它始终致力于满足用户对高品质信息服务的需求，并持续增强自身功能。得益于“志愿报告”Agent及其背后的“深度研究”技术的普及，夸克在信息获取、处理及生成等核心能力上再次得到了提升，使得广大用户能够共享“深度研究”带来的技术益处。
