高考志愿填报市场现状 - 2024年中国高考志愿填报市场付费规模达10.2亿元，预计2025年增长至10.9亿元 [5] - 张雪峰旗下"峰学未来"两款志愿填报服务（11999元、17999元）去年3小时销售额达2亿元，今年涨价1000元后20分钟内售罄 [1] - 北京海淀地区"一对一"志愿填报服务价格达25800-29800元，反映高端市场需求旺盛 [5] 科技公司AI工具布局 - 阿里（夸克）、百度、腾讯（元宝）、华为、科大讯飞等推出免费AI志愿填报工具，主打"信息平权" [3] - 夸克上线首个自研"高考志愿大模型"，腾讯元宝App新增"高考志愿咨询"，百度提供AI志愿助手 [3][11] - AI工具核心功能包括：位次匹配算法、"冲稳保"院校推荐（如夸克推荐1027所院校，元宝推荐12所）、MBTI性格测试 [5][6][11] AI工具技术差异与局限 - 数据精细度是关键竞争点，需覆盖缩招/扩招、产业融合等动态信息，当前各平台录取概率计算结果差异显著（如辽宁605分考生案例） [6][7] - Agent架构成为技术升级方向，夸克通过数百专家训练模型，但用户反馈建议仍较宽泛，缺乏个体差异分析 [11][12] - 实际案例显示AI存在数据滞后问题（如江苏考生因专业缩招20人未被预测导致滑档） [7][10] 传统咨询模式与AI的竞争 - 张雪峰团队通过网红效应锁定普通院校群体，但被质疑交付能力（部分顾问经验不足两年） [13] - 行业分化加速：低价志愿卡被淘汰，高端咨询师价值提升，AI难以替代职业规划等深度服务 [12][13] - AI工具缩短基础服务时间，但无法复制"暴论式"营销对家长焦虑情绪的精准把握 [13] 用户行为与市场趋势 - 新高考改革后志愿填报复杂度飙升（如四川考生最多需填270个志愿），推动专业服务需求 [5] - 用户对AI工具依赖度有限，典型用例为"半信半疑+人工复核"模式（如福建考生结合AI报告与校长建议） [8][10] - 大厂通过高频考点库、多轮对话等功能提升粘性，将高考季视为重要获客场景 [3][11]

不仅是一个标杆式的AI应用，更是一场关于"数据深度"和"场景主义"的长期主义胜利。 硬·AI 作者 | 硬 AI 编辑 | 硬 AI 6月12日凌晨1点03分。 浙江杭州，一座数据中心的机房内灯火通明。上百台服务器的指示灯汇成一片闪烁的星海，工程师们紧盯着屏幕上陡然拉升的算力曲线。就在此刻，夸克为 "高 考志愿大模型"投入的算力，被提升到了平日的整整100倍。 与此同时， 1600公里外的甘肃天水，高三毕业生小李，在卧室的台灯下，用手机小心翼翼地填完了12个关于未来的关键信息，然后深吸一口气，点下了"领取 报告"的按钮。 他们求助亲戚，得到的建议五花八门；他们也想过专业的志愿咨询服务，而市面上专业的咨询服务，价格通常在数千甚至上万块。这样高昂的费用，显然也不是 每个 普通家庭 都能 负担得起。 十分钟后，一份长达 30页的PDF报告出现在她的手机屏幕上。小李的父亲凑过来看，满脸狐疑："这靠谱吗？" 小李没有直接回答，她点开报告，和父亲一起凝视着报告上面的一行行文字。从基本信息梳理看到填报策略，从志愿表看到院校专业推荐说明，每一所推荐的学 校和专业后面，都密密麻麻地标注着录取概率，最后还给推荐了 "冲刺-稳妥- ...

高考志愿大模型发布 - 阿里旗下夸克发布国内首个高考志愿大模型 包含"高考深度搜索""志愿报告""智能选志愿"三大核心功能 依托自研大模型和专业高考知识库模拟专家决策流程 [1] - 系统能识别考生关键信息 自动查询可填报志愿 分析录取概率 探讨专业可能性 评估就业考研影响 最终给出综合建议 [1] - "志愿报告"以智能体方式运行 需完善12个信息点建立个人档案 基于链式推理流程输出冲稳保策略 志愿表 院校专业推荐等完整报告 [1] 智能选志愿功能特点 - "智能选志愿"为最高频功能 输入省份 科目 成绩排名后自动推荐冲稳保方案 支持个性化需求筛选 融入AI能力直接呈现院校专业特色优势 [2] - 模型训练阶段邀请上百名志愿规划师参与 转化数万条专家推理数据 通过迭代获得类专家思考能力 自动检查逻辑冲突 数据缺漏等问题 [2] - 平台高考产品累计服务超1.2亿考生家长 超50%用户来自三线及以下城市 反映欠发达地区对优质信息的迫切需求 [2] 公益计划与持续优化 - 公司推行"暖芒公益"计划 为偏远地区高中提供志愿工具使用指导和填报服务 [2]

产品发布与功能升级 - 公司发布国内首个为高考志愿填报场景开发的大模型，同步上线"高考深度搜索""志愿报告""智能选志愿"三大功能 [1] - 高考产品从查大学查专业工具升级为支持个性化推荐的AI搜索，累计服务超过1.2亿用户，其中50%以上来自三线及以下城市 [1] - 2024年高考产品服务超过3000万考生和家长用户，目前相关产品和服务免费 [1] - 2025年算力扩容100倍后首次引入Agent模型结构重构填报逻辑 [1] 核心功能解析 - "高考深度搜索"支持处理多层次、目标导向的自然语言提问，通过拆解问题为子任务并依托结构化知识库输出直接可执行的建议 [2] - "志愿报告Agent"通过链式推理机制生成15-20页报告，包含志愿表、专业推荐、录取概率分析和风险提示，耗时5-10分钟 [2] - "智能选志愿"可自动推荐冲稳保三种方案，融入AI能力后直接呈现目标院校/专业特色优势 [2] 技术架构与数据支撑 - 大模型以通义千问为底座，采用链式推理、专家标注指令微调、RLHF等方式训练 [3] - 训练过程邀请上百位专家参与，采集数千份模拟方案形成反馈闭环，优化机制覆盖超万份样本 [3] - 知识库覆盖全国2900多所高校、1600个本科专业，包含招生政策、就业数据等多维度信息 [3] 市场定位与行业现状 - 产品定位为AI辅助系统，提供结构化信息、辅助决策建议和逻辑推理支持 [3] - 市场上存在多个志愿辅助服务平台，产品在数据覆盖、推荐算法等方面差异明显 [4]

高考志愿大模型发布 - 公司发布国内首个高考志愿填报场景专用大模型，同步推出"高考深度搜索"、"志愿报告"、"智能选志愿"三大功能，具备专家级决策能力[1] - 模型采用Agent运行机制，通过"任务规划-执行-检查-反思"链式推理流程，自动生成包含冲稳保策略、院校专业推荐等完整报告[2] - "高考深度搜索"功能可解析复杂查询（如"江苏物理组584分+性格内向+求稳定工作"），通过需求拆解提供定制化回答范式[3] 模型训练机制 - 以通义千问为基座，通过多阶段高复杂度训练范式构建，融合自监督语义建模、监督式对齐调优、专家判别价值引导策略[4][5] - 指令微调阶段结构化数百名志愿规划师的决策过程，将上万条专家"推理链"转化为监督数据，并生成中间可验证结构降低幻觉率[7] - 采用人类偏好强化学习（RLHF）构建闭环优化机制，通过"模拟填报→专家反馈→策略评分"迭代模型，已完成数千份报告专家标注[7] 高考知识库建设 - 构建国内最大实时更新高考知识库，覆盖2900+高校、1600+本科专业，100%覆盖权威站点数据，包含分数线、课程体系等核心信息[8] - 通过OCR提取+多源交叉比对+人工抽检机制保障数据可信度，实时更新各省高考政策及解读，并整合就业信息、产业趋势等关联数据[9] - 知识库为模型提供就业前景评估支撑，算法负责人强调该场景具有信息密集、决策复杂特性，需专业信息处理能力[9]

高考志愿大模型发布 - 夸克发布国内首个高考志愿填报场景专用大模型，具备专家级决策能力，提供精准个性化服务[1] - 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[1] - 模型以Agent方式运行，采用"任务规划-执行-检查-反思"链式推理流程，输出完整志愿报告[4] 功能实现机制 - "志愿报告"Agent基于考生成绩/兴趣/家庭背景/地域倾向制定个性化规划，包括定位成绩段/筛选专业/制定策略等[4] - 模型自动检查执行结果，识别逻辑冲突/数据缺漏/排序异常等问题，通过反思模块动态优化策略[4] - "高考深度搜索"可处理复杂查询，将需求拆解为定制化回答范式，提升回答专业性[5] 模型训练体系 - 以通义千问为基座，通过多阶段训练范式构建：自监督语义建模/监督式对齐调优/专家判别策略精化[7] - 结构化数百名志愿规划师的决策过程，提取上万条真实专家"推理链"转化为监督数据[9] - 采用人类偏好强化学习(RHLF)构建闭环优化机制，通过"模拟填报→专家反馈→策略评分"迭代模型[9] 知识库建设 - 构建国内最大实时更新高考知识库，覆盖2900多所高校/1600个本科专业，100%覆盖权威站点[11] - 通过OCR提取/多源比对/人工抽检确保数据权威性，实时更新各省高考政策及解读[12] - 整合院校分数线/专业设置/课程体系等核心信息，并纳入就业数据/产业趋势支撑决策[12]

高考志愿大模型发布 - 夸克发布国内首个高考志愿大模型，具备专家级决策能力，为考生提供精准、个性化的志愿填报服务 [1] - 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 [1] 志愿报告功能 - 以Agent方式运行，提供个性化规划建议，涵盖冲稳保策略、志愿表、院校专业推荐等内容 [3] - 基于考生成绩、兴趣偏好、家庭背景和地域倾向等制定个性化任务规划 [3] - 采用"任务规划—执行—检查—反思"的链式推理流程，实现动态修正与智能迭代 [3] - 当考生倾向选择省内985院校时，模型会推荐适合的外省985高校 [3] 高考深度搜索功能 - 支持复杂查询，如"江苏物理组考生584分，性格内向，想找稳定工作" [4] - 将考生需求精细化拆解，每类需求对应定制化回答范式与要点 [4] 训练机制 - 以通义千问为基座，通过多阶段、高复杂度训练范式构建 [7] - 融合自监督语义建模、监督式对齐调优、专家判别价值引导的策略精化机制 [7] - 将数百名资深高考志愿规划师的沟通、决策过程结构化，提取上万条真实专家"推理链"转化为监督数据 [9] - 通过人类偏好强化学习（RLHF）精化策略层，构建闭环优化机制 [9] - 已完成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"方式持续优化 [9] 高考知识库 - 搭载国内最大的实时更新、结构严谨的高考知识库 [11] - 覆盖全国2900多所高校、近1600个本科专业，整合院校分数线、专业设置等核心教学信息 [11] - 对每个省份的高考政策及权威解读进行梳理、实时更新 [11] - 纳入高校毕业生就业相关信息、产业趋势规划、就业报告等数据 [11]

高考志愿大模型发布 - 公司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，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 [1] - 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 [1] 模型运行机制 - 高考志愿大模型驱动的"志愿报告"以Agent方式运行，基于"任务规划—执行—检查—反思"的链式推理流程，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 [4] - 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 [4] - 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，会尝试推荐适合的外省985高校 [4] 模型训练与优化 - 以通义千问为基座，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 [4] - 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 [4] - 在指令微调阶段，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，提取出完整分析路径与语言风格 [5] - 通过将上万条真实专家"推理链"转化为高质量监督数据，深度学习人类专家的分析过程 [5] 模型性能提升 - 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 [5] - 通过基于人类偏好强化学习（RLHF）精化策略层，构建闭环优化机制，将"模拟填报 → 专家反馈 → 策略评分"引入到模型迭代过程中 [5] - 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 [5]