6月23日，國內首個針對高考志願填報場景的AI能力測評報告《高考志願AI測評基準》發佈。該報告由友鬆實驗室獨立完成，以千問高考志願填報Agent作爲測評對象。結果顯示，千問多項表現已達到人類志願諮詢師水平，在穩定性、精確性、結構化表達與效率層面更具優勢。

image.png

友鬆實驗室是一個專注人工智能與教育決策研究的獨立研究團隊，長期關注大模型能力評估、教育場景中的 AI 應用，以及學生升學選擇中的信息、認知與決策問題，研究成果被多所高校、科研機構採用。此次發佈的測評基準，旨在爲快速涌現的高考志願AI產品建立一套公開、可復現、可擴展的評估框架，明確AI在當前階段能夠承擔的任務邊界。

考慮到千問高考Agent基於夸克8年高考服務數據與經驗構建，在產品形態、數據積累和用戶覆蓋上具有行業代表性，報告將其列爲首個測評對象。人類對照組則由53名志願填報諮詢師組成，平均從業年限4.6年。

測評覆蓋高考志願基本事實與規則、模擬志願填報、開放式諮詢和志願推薦報告四個環節，對應考生和家長填報志願時從查資料、看規則，到排方案、做決策的主要流程。

結果顯示，在44道客觀題中，千問全部答對，準確率爲100%，人類諮詢師平均正確率爲89.3%;在模擬志願填報中，千問方案包含6個可錄取志願，未出現顯性偏好違背，並命中事後評估的最優結果，人類諮詢師平均爲5.3個可錄取志願;在開放式諮詢中，評審專家在100場匿名對比中，有58次更傾向選擇千問版本，“可直接向學生和家長展示的”可直接展示率爲56.0%，高於人類諮詢師回答的33.0%，認爲其在專業路徑拆解、風險提示和表達清晰度上更爲穩定。

報告認爲，在測評設定的任務範圍內，千問的多項表現已達到資深人類諮詢師水平，尤其在穩定性、精確性、結構化表達與響應效率方面呈現出優勢。

但報告同時指出，人類諮詢師的價值同樣不可替代。尤其在收入預期、就業判斷等需要結合個體情況謹慎校準的話題上，諮詢師更能給出貼近實際的建議;在親子協商、價值取捨等場景中，結構完整的AI方案也無法替代人與人之間的溝通和判斷。

報告建議，AI更擅長高效完成信息覈驗、資料整理和方案初篩，人類諮詢師則可更多聚焦家庭溝通、價值取捨和個性化判斷。二者形成互補，才能讓志願填報既提高準確性，也更貼近考生和家庭的實際需求。