整理 | 华卫

近日，阿里巴巴的研究人员在 Hugging Face 上发布了一种名为“ZeroSearch”的新技术，可以大大降低训练 AI 系统进行信息搜索的成本和复杂度，完全消除对昂贵商业搜索引擎 API 的需求。

研究人员表示，“强化学习（RL）训练需要频繁进行部署，可能会涉及到数十万次搜索请求，这会产生巨额的 API 费用，严重限制了可扩展性。”

据介绍，这项新技术是一种强化学习框架，允许大语言模型 （LLM） 通过模拟的方式开发高级搜索功能，而无需在训练过程中与真实的搜索引擎进行交互。并且，其表现优于基于真实搜索引擎的模型，同时产生的 API 成本为零。既能让企业更好地控制 AI 系统学习检索信息的方式，又可以为其节省大量的 API 费用。

该技术适用于多个模型系列，包括 Qwen-2.5 和 LLaMA-3.2，且无论是基础模型还是经过指令调整的模型都能应用，无需单独的监督预热阶段，并与近端策略优化 （PPO）、组相对策略优化 （GRPO）等各种 RL 算法兼容。目前，研究人员已在 GitHub 和 Hugging Face 上提供了他们的代码、数据集和预训练模型，允许其他研究人员和公司能够应用这一方法。

项目链接：https://huggingface.co/collections/sunhaonlp/zerosearch-681b4ce012b9b6899832f4d0

有网友评价，“ZeroSearch 是 LLM 的游戏规则改变者。”还有人说，“这似乎是 RAG 应该发展的方向。”

以极低的成本超越谷歌

要开发能够自主搜索信息的 AI 助手会面临两大挑战：一是在训练过程中，搜索引擎返回的文档质量不可预测；二是训练高级 AI 系统通常需要对大型科技公司控制的服务进行昂贵的 API 调用，尤其是向谷歌这样的商业搜索引擎进行数十万次 API 调用，成本高得令人望而却步。

在针对七个问答数据集所进行的全面实验中，ZeroSearch 的性能表现不仅与使用真实搜索引擎训练的模型相当，而且在很多情况下还超越了它们。结果表明，ZeroSearch 使用 3B LLM 作为模拟搜索引擎，就可以有效地提升策略模型的搜索能力；一个拥有 70 亿参数的检索模块能达到可与谷歌搜索相媲美的性能，而一个拥有 140 亿参数的模块甚至超过了谷歌搜索的表现。

更重要的是，ZeroSearch 表现出强大的可扩展性：增加 GPU 的数量可以显著加快模拟 LLM 的生成吞吐量，从而实现高效的大规模部署。

并且，ZeroSearch 在基础模型和指令优化模型中都能很好地泛化。在这两种模型类型下，ZeroSearch 都能稳步提高奖励性能，这突出了它的通用性。

“这证明了在强化学习的架构中，使用一个经过良好训练的 LLM 来替代真实搜索引擎是可行的。” 研究人员指出。

值得注意的是，ZeroSearch 在成本方面的节省也相当可观。根据研究人员的分析，通过 SerpAPI 使用 Google 搜索引擎对大约 64000 个搜索查询进行训练，成本约为 586.70 美元；而在四个 A100 GPU 上使用一个拥有 140 亿参数的模拟大型语言模型进行训练，成本仅为 70.80 美元，降低了 88%。

由此来看，ZeroSearch 所能解决的问题意义重大。不过，研究人员也指出，ZeroSearch 也有一定的局限性。部署模拟搜索 LLM 需要访问 GPU 服务器，虽然比商业 API 使用更具成本效益，但这会带来额外的基础设施成本。

不用搜索引擎怎么进行搜索？

据介绍，ZeroSearch 的方法始于一个轻量级的监督微调过程，将 LLM 转化为一个能够生成相关和不相关文档以响应查询的检索模块，可以作为模拟搜索引擎，生成相关和嘈杂的文档以响应查询。

研究人员解释道：“我们的关键认知是，LLM 在大规模预训练期间已经获得了广泛的世界知识，并且能够在给定搜索查询的情况下生成相关文档，真实搜索引擎和模拟 LLM 之间的主要区别在于返回内容的文本样式。但是，通过轻量级监督微调，即使是相对较小的 LLM 也可以有效地模拟真实搜索引擎的行为。”

除了消除 API 成本之外，使用 LLM 生成文档的一个重要优势是能够控制文档质量。具体来说，在监督微调过程中，通过提示设计区分导致正确或错误答案的文档，使模拟 LLM 只需调整提示中的几个单词即可学习生成相关或嘈杂的文档。

在强化学习训练期间，该系统采用了研究人员所说的“基于课程搜索模拟的推出策略”。在推出过程中，策略模型会执行交互式推理并生成搜索查询，然后将查询输入模拟 LLM 以生成相应的文档。为了逐步增加训练的难度，该系统在强化学习训练期间引入了一种基于课程学习的部署机制，这种机制下生成文档的质量会随着时间的推移而逐渐降低，以模拟越来越具有挑战性的检索场景。这允许策略模型首先学习基本的输出格式和任务要求，然后再逐步适应更具挑战性和嘈杂的检索场景。

奖励信号是强化学习过程中的主要监督。在这项工作中，ZeroSearch 采用了基于 F1 分数的奖励，该奖励只关注答案的准确性。

对 AI 开发的未来意味着什么？

ZeroSearch 的这一突破标志着 AI 系统的训练方式发生了重大转变。其表明，AI 在不依赖搜索引擎等外部工具的情况下也能实现提升。

对于预算有限的小型 AI 公司和初创企业来说，这种方法可以创造公平的竞争环境。API 调用的高昂成本一直是开发复杂 AI 助手的一大进入壁垒，ZeroSearch 将这些成本降低了近 90%，使高级 AI 训练变得更加触手可及。除了节省成本之外，这项技术还让开发者能够更好地控制训练过程。在使用真正的搜索引擎时，返回文档的质量是不可预测的。而借助模拟搜索，开发者能够精确控制 AI 在训练过程中所接触到的信息。

随着大语言模型的不断发展，像 ZeroSearch 这样的技术意味着，未来 AI 系统可以通过自我模拟而不是依赖外部服务来发展日益复杂的能力，这有可能会改变 AI 开发的经济模式，并减少对大型技术平台的依赖。此外，传统搜索引擎对 AI 开发的必要性似乎在降低。

随着 AI 系统变得更加自给自足，未来几年的技术格局可能会大不相同。

参考链接：

https://venturebeat.com/ai/alibabas-zerosearch-lets-ai-learn-to-google-itself-slashing-training-costs-by-88-percent/

https://arxiv.org/pdf/2505.04588

声明：本文为 AI 前线整理，不代表平台观点，未经许可禁止转载