ZeroSearch – 阿里通义开源的大模型搜索引擎框架-爱论文

ZeroSearch是什么

ZeroSearch 是阿里巴巴通义实验室开源的创新大模型搜索引擎框架，基于强化学习激励大模型的搜索能力，无需与真实搜索引擎交互。框架爱基于大模型预训练知识，转化为检索模块，根据查询生成相关或噪声文档，动态控制生成质量。在多个问答数据集上，ZeroSearch 的性能超过谷歌搜索，大幅降低训练成本（降低80%以上）。基于轻量级监督微调和课程学习机制，ZeroSearch 逐步提升模型推理能力，支持多种强化学习算法，具有很强的扩展性和通用性。

ZeroSearch的主要功能

无需真实搜索引擎交互：模拟搜索引擎的方式，激励大模型的搜索能力，避免与真实搜索引擎（如谷歌）的交互，降低成本和不可控性。动态控制文档质量：支持生成相关或噪声文档，基于调整提示中的关键词，灵活控制生成文档的质量，为训练提供多样化的检索场景。降低成本：相比使用真实搜索引擎进行强化学习训练，ZeroSearch 的训练成本大幅降低（超过80%），让大规模训练更加可行。支持多种模型和算法：兼容不同参数规模的大模型（如3B、7B、14B），支持多种强化学习算法（如PPO、GRPO）。

ZeroSearch的技术原理

模拟搜索引擎：基于大模型自身的知识，转化为模拟搜索引擎，根据查询生成相关或噪声文档，替代真实搜索引擎。轻量级监督微调：基于少量标注数据对大模型进行微调，生成高质量或低质量的文档，适应不同的训练需求。课程学习机制：在训练过程中逐步增加文档的噪声水平，让模型从简单场景开始，逐步适应更具挑战性的任务，提升推理能力。基于 F1 分数的奖励机制：用 F1 分数作为奖励信号，专注于答案的准确性，确保模型生成的答案与真实答案尽可能匹配。多轮交互模板：设计明确的推理、搜索和回答阶段，基于结构化的标签（如、、）引导模型逐步完成任务。

ZeroSearch的项目地址

项目官网：https://alibaba-nlp.github.io/ZeroSearch/GitHub仓库：https://github.com/Alibaba-nlp/ZeroSearchHuggingFace模型库：https://huggingface.co/collections/sunhaonlp/zerosearcharXiv技术论文：https://arxiv.org/pdf/2505.04588

ZeroSearch的应用场景

智能问答系统：快速准确地回答用户问题，适用智能客服和智能助手。内容创作：帮助创作者获取信息，生成初稿或提供灵感，适用新闻、文案和学术写作。教育与学习：为学生提供即时解答，支持在线教育和智能辅导。企业知识管理：帮助员工快速检索公司内部资源，提高工作效率。研究与开发：为研究人员提供最新研究成果，加速研究进程。