Kaiso
PeiPaoLab 自主研发的升学匹配引擎 · 以真实录取为锚 · 随申请季升级
关于 Kaiso
Kaiso 是 PeiPaoLab完全自主研发的升学匹配引擎。不依赖任何现成的通用大模型,也不是把公开榜单堆成一张加权表 —— 从特征工程、同类样本匹配、季度政策校准到可追溯输出,四段推理管线全部在内部闭环。
8 届真实录取样本、44 所美本核心校、7 类当季政策硬约束、40+ 细粒度特征,编成一条可解释的推理链 —— 给每一个孩子输出可追溯的冲刺 / 匹配 / 保底三档。
完全自研
全链路自建 —— 特征管线、匹配逻辑、政策校准、解释层,每一行都由我们写。不是通用大模型套一层 prompt。
以录取为锚
不迷信公开榜单的加权平均,只认历年真实 offer 的样本分布。用孩子的同类人,而不是全平均,给出档位。
随季调参
当季 7 类硬政策约束直接进入推理,不让家长用去年的逻辑,看今年的孩子。每一季滚动校准。
四段推理管线
从孩子的条件输入到冲刺 / 匹配 / 保底三档输出,Kaiso 的每一步都被拆成可审计的节点。
特征工程
从成绩单、标化、AP 深度、课外活动、推荐信强度、意向专业,拆到 40+ 细粒度特征。每类特征按各自的校准逻辑做多维映射,覆盖不同学校档位与申请身份的语境差异。
同类样本匹配
在 8 届真实录取池里找条件最接近的同类学生,按身份(美籍 / 签证 / 国际部)、学校类型(私立 / 公立)、地区、意向专业多维分桶。对比的是"像你的孩子",不是"全平均"。
政策校准
当季 7 条硬政策约束直接进入档位修正 —— SFFA 平权判例 / UC Test-Blind / Test-Optional 收紧 / F-1 STEM-OPT / 早决 ED 使用率 / CA 公立挤压 / 华人申请分布,不让去年的逻辑跑今年的孩子。
可追溯输出
每一次档位结论都附带分组件贡献度追溯 —— 哪个特征推高了档位、哪个拖低了,每一步都看得见。不是黑盒,是可审计的推理链。
具体权重、阈值、分桶策略为 PeiPaoLab 核心 IP,不对外披露。
数据来源与节奏
数据池
- 美本核心 44 校 × 2018–2025 共 8 届申请季真实录取样本
- 11 大华人聚居区 × 45 所名高中,应届分布基线
- CDS 公开数据 + IPEDS 族裔口径 + 华人社群真实 offer letter 三路交叉验证
- 同胞样本按专业方向(CS / 商科 / Pre-med / 工程 / LA 等)分层观测
更新节奏
- 每年随新一届录取结果完整重训
- 政策变量层按季度滚动,申请季内随 ED/EA/RD 节点校准
- 每份报告携带版本号锚定,结论可追溯到具体版本
- 数据源每季做一次漂移检测,样本分布偏移超阈值自动告警