颠覆谷歌搜索API，成本降至88%，阿里开源RL框架ZeroSearch，重新定义AI搜索！

ZeroSearch 不是让搜索消失，而是让搜索真正“融入”智能本身。

整理| 梦依丹

出品丨AI 科技大本营（ID：rgznai100）

仅需 70.8 美元，在 4 块 A100 GPU 上运行 140亿参数模型，你就能获得媲美甚至超越谷歌搜索的强大 AI 搜索能力！

近日，阿里巴巴通义团队开源了一套全新的解决方案——ZeroSearch，这是一款由大模型驱动的生成式搜索引擎框架，训练过程无需调用任何外部搜索接口，完全“自给自足”，实现了低成本，高性能的检索能力构建。

无需搜索引擎，用强化学习“教会”大模型搜索能力？

传统搜索引擎的调用，往往意味着不可控的文档质量与高昂的 API 成本。为了解决这些问题，ZeroSearch 引入了一种全新的强化学习框架——在不与真实搜索引擎交互的前提下训练出“搜索能力”。

ZeroSearch 的思路是先用轻量级的监督微调，将大模型转化为一个能根据查询生成“相关”与“干扰”文档的检索模块；再通过“逐步降低文档质量”的课程式训练策略，挑战模型的推理和检索能力，从而实现更稳健的搜索学习路径。

不依赖搜索引擎的 PPO 和 GRPO 训练演示

其做法是：

先通过轻量级的监督微调将大语言模型转化为一个检索模块，该模块能够在接收到查询后生成相关文档与噪声文档
其次，他们提出了无需搜索引擎的强化学习，在强化学习训练期间，他们引入基于课程学习的 rollout 策略，逐步降低生成文档的质量，通过将模型暴露于越来越具挑战性的检索场景中，激发其推理能力。

优化目标如下：

其中，是待优化的策略模型，是参考模型，是奖励函数，是模拟搜索引擎的大语言模型，其参数在训练过程中保持不变。

在整个训练过程中，模型不再调用真实搜索引擎，而是由模拟引擎直接生成与查询相关或无关的文档，用以模拟搜索结果。

成本降至 88%，效果超过 Google 等真实搜索引擎

大量实验证明，ZeroSearch 能有效激发大语言模型的搜索能力（使用 3B 模型作为检索模块）。令人惊讶的是，ZeroSearch 在多个实验场景中实现了 80%-90% 的训练成本降低，为 AI 搜索训练提供了一种真正低成本、高性能的新路径。

ZeroSearch 在多个公开问答数据集（NQ、HotpotQA、TriviaQA 等）上的实验表明：

ZeroSearch 在 7 个任务中均超过或持平于使用真实搜索引擎训练的模型；
使用 7B 参数模型的检索模块已可与谷歌搜索媲美，14B 参数版本甚至超越谷歌搜索结果质量；
更令人震撼的是，ZeroSearch 的训练成本仅为传统方法的 12%；
通过 SerpAPI 使用 Google 搜索进行大约 64,000 次查询的训练，成本约为 586 美元；而在四块 A100 GPU 上，使用 14B 参数的模拟大模型进行搜索训练，成本仅为 70.80 美元，成本降低高达 88%。
ZeroSearch 在强化学习中可广泛兼容各类 LLM，包括基础版与指令微调版，如 Qwen 2.5 与 LLaMA 3.2，显示出极强的可泛化性和扩展能力。

目前，ZeroSearch 研究人员已在 GitHub 和 Hugging Face 上公开了他们的代码、数据集和预训练模型，以便其他研究人员和公司能够应用该方法。

感兴趣的朋友可访问以下链接：

论文地址：https://arxiv.org/abs/2505.04588
开源地址：https://github.com/Alibaba-nlp/ZeroSearch
Huggingface：https://huggingface.co/collections/sunhaonlp/zerosearch-681b4ce012b9b6899832f4d0

（文：AI科技大本营）