炒股配资最新信息有的省份采取院校 + 专业组的方式

文｜邓咏仪

编辑｜苏建勋

2025 年高考结束不久，另一个"战场"——高考志愿填报随之拉开序幕。

ChatGPT 爆火后，最流行的 AI 测试，莫过于让 AI 完成那些人类寒窗苦读多年的东西——各种考题，包括中考、高考，甚至奥林匹克竞赛题目，用以体验 AI 到底有"多聪明"。

很容易发现，到了 2025 年，无论是各大模型厂商还是媒体，让 AI 做题已经不是重点。这对 AI 来说，已经不存在太大难度。取而代之的，是高考报志愿。

高考志愿填报一直是一个信息壁垒高，集中度低的市场。因为直播爆火的张雪峰，就是因为其观点"打破信息差"迅速进入到大众视野，一举把这个市场盘子做大。艾媒咨询的数据显示，2023 年中国高考志愿填报市场付费规模达到 9.5 亿元，相比 2016 年增长了 7.3 倍，2027 年预计将达到 12.2 亿元。

但在今年，陷入舆论漩涡的张雪峰在高考季停播两个月，有可能再也无法出现在公众面前。而大厂们的" AI 张雪峰"，火速填补了这一空缺。

6 月 12 日，阿里旗下的 AI 应用"夸克"正式推出了"高考志愿大模型"和"高考知识库"，并同步上线"高考深度搜索"、"志愿报告"、"智能选志愿"三大功能。

在对外介绍中，夸克表示这一模型"能像志愿专家一样思考"，为每位考生提供精准、个性化的志愿填报辅助服务。

简单点说，夸克基于阿里的旗舰大模型"通义千问"，训练了一个高考志愿填报版本的大模型。考生只需要输入有关自己分数、选院校 / 专业 / 地域偏好的描述，模型就会经过一系列思考和分析，生成一份" AI 志愿报告"，涵盖"冲稳保"策略、志愿表、院校专业推荐等内容的完整报告。

△来源：夸克

高考填报志愿是一个低频但刚需的场景，但因为影响力之大，搜索引擎厂商们多年前就切入了这一场景，为考生和家长提供信息筛选、搜寻和分析的工作。

这一场景的玩家，还有扎根多年的线下"高报"机构，如精志愿、百年育才、优志愿等，以及新东方、猿辅导、作业帮等教育大厂，也都曾推出志愿填报业务。

这或许也是报志愿成为大厂 AI 产品新战场的原因。高考季期间，包括阿里夸克、腾讯 QQ 浏览器 / 元宝、百度等，都重点推出了高考的相关产品和服务。

△图注：从左到右，分别为夸克、百度、元宝的高考报志愿产品，36 氪制图

不过，除了少数付费服务，大厂们推出的高考相关服务大多还是保持免费，保持相当大的公益属性。但对大厂们来说，这也是个难得的流量高峰和建立口碑的机会。

在发布会上，夸克披露了几个数字：过去 7 年间，夸克的高考服务累计服务 1.2 亿考生。仅仅在 2024 年，就有超过 3000 万考生用过夸克的服务。

让 AI 高考到报志愿，模型能力已有巨大提升

让 AI 去高考和 AI 辅助报志愿，到底有什么不同？

让 AI 做高考，是个一次性动作，用户只需要拍照或者手动将题目输入到对话框中，就可以得到答案。

但报志愿不同。2025 年，全国高考人数达到了 1335 万，仅次于历史峰值，在考生对找好大学和好专业的焦虑持续位于高位的前提下，如何报志愿，就是更复杂的策略组合。

但从数据侧来说，考生和家长在短短几天的报志愿时间里，需要了解的数据是巨量的。

比如，每一个省份的规则和政策差异很大——有些省份采取的是院校 + 专业的选择方式，有的省份采取院校 + 专业组的方式，虽然新高考已经推行了 11 年，但各地考生填报的志愿数量从 30 个到 112 个不等。仅仅是每个学校的招生章程、专业数据，公开材料等，这已经是巨大的工作量。

除此之外，还有许多"非公开""半公开"的数据，考生和家长难以触及。比如每个专业具体学什么？各个院校的就业去向，乃至报考的思考路径等等，都需要长期跟进、观察和积累。传统的高报机构更多是以此作为卖点，以向考生和家长提供付费服务。

所以，大模型能够怎么助力高考报志愿？

以夸克的"志愿报告" Agent（智能体）为例，这个 Agent 会以考生的成绩、兴趣偏好、家庭背景和地域倾向等为基础。会首先制定个性化任务规划（如定位成绩段、筛选专业方向、制定填报策略等）；随后将任务转化为指令，基于高质量数据完成任务执行。

当前，夸克的高考数据知识库，已经覆盖了全国 2900 多所高校、近 1600 个本科专业，并进一步拓展至高校毕业生就业去向、新兴产业趋势以及各城市的产业结构等维度。所有数据均来自可信渠道，并通过多轮交叉验证与人工抽检，确保内容准确及时。

"高考填报志愿是非常典型的信息处理和服务的场景，也是大模型可以发挥最大价值的场景。"夸克 AI 搜索负责人张帆对《智能涌现》表示。

和往年不同的是，如今的报志愿场景，不仅仅是单纯的"填表格"而后根据规则生成一份报告，而是更充分地将大模型的能力，运用到更个性化的的问题当中。

在生成报告的过程中，模型的思考方式，就已经很像人类：首先，模型需要进行大量的用户情况分析；然后确定需要检索哪些问题——检索大量的行业和就业数据。接着，模型会判断数百个学校和专业跟这个考生的具体匹配度，最终完成报告的设计。

从时间上，用户就能感觉到差异来自何处。如果考生使用夸克的"志愿报告"功能，生成一份报告就需要花 5-10 分钟的时间。

这是因为模型需要大量的算力计算。"我们统计过，生成一份志愿报告，相当于做了上万次的搜索动作。"夸克产品经理郏海峰表示，今年夸克也准备了超过 100 倍的算力投入，以支撑深度搜索场景。

Agent 产品爆发，独家数据成为壁垒

从 2019 年成立以来，夸克在阿里体系内的"低调"可以排得上号：开发布会的次数极少，仅有的几次，几乎都和高考产品脱不开关系。

为什么大厂现在如此重视这一场景？

这和智能体（Agent）的爆发有很大关系。DeepSeek R1 发布带来推理模型大火之后，2025 年的 AI 市场进入了"百体大战"（智能体）的局面：大厂推出编程、图像 / 视频生成、数据分析等等 Agent 之外。不少原来的 SaaS 公司也在转型做垂类的 Agent，典型的如 RPA、BI、外呼机器人、营销 SaaS 公司等等。

垂类 Agent，其实可以看作是 AI Native 应用的雏形。一方面，这些垂类 Agent 一定需要在通用模型之上进行微调，将行业的 Know-how "教给"模型；另一方面，独有的数据也会成为 Agent 真正的壁垒。

在高考场景，一个典型的问题就是：如果再有一个像张雪峰那样爆火的志愿填报专家，是否会让考生的的选择趋同，变得同质化？

回到模型上，也会面临一样的质问：如果这个模型有固定的数据集，是否会有偏向性地推荐某个学校的某个专业，让考生的选择越来越趋同？

答案是不会。模型训练时加入的思维链，以及独有的数据和实时搜索功能，会减少同质化现象的产生。

训练时，夸克团队加入了包括数百名人类资深高考志愿规划师的决策分析路径，以及真实的报考过程对话。这些来自不同地区、风格各异的志愿规划师，为模型总结出上万条真实的"推理链"——也就是，报考专家是按什么顺序思考和决策路径，转化为高质量监督数据，内化到模型之中。

当前，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。

最显著的结果是，如果用一模一样的提示词再度输入到模型中，也会得出有差异的报考方案，有着不同的报考风格。

"夸克的志愿报告和深度搜索会基于每位考生的档案、分数、兴趣、偏好生成不同策略，提供"院校优先""专业优先""城市优先"等多种方案供用户选择。"夸克在会上表示。