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。 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。 “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。 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。 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。 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。 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。 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。 “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”。 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%。 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。
第9节 妈妈女儿齐上阵近日,巴塞罗那主席拉波尔塔在加泰罗尼亚音乐宫参加《125号交易所》最后一期节目接受了提问,其中最具挑战性的问题是关于巴萨与皇马为何是宿敌。本届大会上,珞石以应用场景落地为目的,以解决“无人工厂最后一公里”的问题为目标,发布了全新一代具身智能系列产品。第9节 妈妈女儿齐上阵三亚私人高清影院的更新情况6月26日下午,广东省城乡规划院住房政策研究中心首席研究员李宇嘉通过微信向每经记者分析称,竞买人在竞价法拍时,可能更多的还是基于对深圳市场房价预期的看好,认为深圳市场当前的房价已经处于“底部区域”。萨姆·阿尔特曼:用“错了”形容可能太绝对了,现在的计算设备算不上“最优解”。计算机的形态和交互界面其实就经历过两次真正的革命性突破,很久之前的那些不算,至少我们这代人没怎么留意。
20250812 💦 第9节 妈妈女儿齐上阵在大模型训练中,数据的质量是决定模型上限的关键因素之一。dots.llm1 使用了 11.2T 高质量 token 数据进行预训练,而这些数据主要来源于 Common Crawl 和自有 Spider 抓取到的 web 数据。与很多开源模型直接使用粗粒度数据不同,hi lab 团队在数据处理上非常「较真」,拒绝低质或虚构内容,通过三道「工序」把控数据质量:妈妈がだけの母さん歌词“他简直令人难以置信,我记得他在因伤缺阵三个月后第一次对阵利物浦时的表现,他毫无疑问是场上最好的球员,甚至没有别人是与他接近的,他的荣誉也证明了这一点:欧冠冠军、世界杯冠军、英超冠军,他也是那支令人惊叹的莱斯特城的一员。”
📸 周涛记者 陈荣兴 摄
20250812 🔞 第9节 妈妈女儿齐上阵当天晚上,晓雯回到家后,添油加醋地向妈妈诉说了这件事。晓雯的妈妈是个护女心切的人,她根本不愿意相信女儿会有错,坚定地说:“雯雯自小就乖巧懂事,从来不会撒谎。”在她的认知里,女儿就是完美无缺的。于是,她立刻要求王老师给她女儿公开道歉,并且态度强硬地表示,如果王老师不答应,她就打12345进行投诉。姨母的绣感中字3此外,为了让隔膜能在钠电池中具备更好的性能,科研人员还在隔膜设计上进行大胆创新,嫁接了两种特殊的功能基团——亲钠性基团和高离子传导性基团。其中,亲钠性基团对钠离子具有极强的亲和力,如同磁铁吸引铁屑一般,能够优先吸附电解液中的钠离子。在电场作用下,当钠离子向负极移动时,亲钠性基团会发挥向导作用,引导钠离子均匀分布在隔膜表面,并有序地向负极传输,有效避免了钠离子在负极表面的局部聚集,从源头上遏制了金属枝晶生长的趋势。另一种高离子传导性基团则为钠离子传输搭建了快速通道,极大地提高了钠离子的传输效率,减少了电池内阻,使电池在充放电过程中能够更加高效地工作。同时,它还能与亲钠性基团协同作用,进一步促进钠离子在负极表面的均匀沉积,共同抑制金属枝晶的生长。
📸 董津辉记者 辛瑛 摄
💋 某软件公司程序员向记者透露,其软件会把用户信息加密处理,以密文形式进行存储。此外,公司存储用户隐私数据的电脑不通外网,软件也有明确的复制、截图等限制,保障用户的隐私数据不外泄。成片ppt网站大片