在AI技术的前沿探索中，阿里巴巴达摩院近期公布了一项名为“零搜索”的突破性技术，该技术有望彻底改变AI模型的训练成本问题。5月7日，阿里巴巴达摩院在arXiv平台上发布的一篇论文详细阐述了这一创新。
据悉，“零搜索”技术通过模拟搜索引擎的训练机制，使得大型AI模型无需依赖真实的搜索引擎API，即可自主发展出强大的检索能力。这一技术的问世，打破了长久以来对科技巨头API服务的依赖，为开发者提供了前所未有的数据质量控制手段。
阿里巴巴达摩院的研究团队指出，“零搜索”技术已经面向公众开源，代码已上传至GitHub和Hugging Face平台，并支持包括Qwen-2.5、LLaMA-3.2在内的主流模型架构，既适用于基础版模型，也适用于经过指令微调的版本。尤为初创企业仅需配备四块A100显卡，即可搭建起高精度训练环境。
在综合测评中，“零搜索”技术展现出了惊人的表现。研究团队在NQ、TriviaQA、PopQA、HotpotQA等七大主流问答数据集上进行了测试，结果显示，基于“零搜索”技术训练的140亿参数大模型，在搜索准确率上超越了谷歌，同时训练成本降低了近九成。这一成绩，无疑是对传统AI训练模式的一次重大颠覆。
具体成本节约方面，据VentureBeat报道，原本需要花费586.70美元（约合人民币4240.74元）调用商业搜索引擎API的训练任务，现在仅需70.80美元（约合人民币510.17元）即可完成。这意味着，开发者可以节省高达88%的成本，同时获得与商业搜索引擎相媲美甚至更优的检索能力。
阿里巴巴的研究团队进一步发现，经过海量预训练的大型模型已经具备了生成拟真文档的能力。通过监督微调，这些大语言模型可以被转化为检索模块，按需生成相关或无关的文档组合。在强化学习阶段，系统通过逐步降低生成文档质量的“教学策略”，迫使模型不断优化检索精度，从而形成一个自主进化的闭环。
在TriviaQA等七大主流问答数据集的测试中，“零搜索”技术展现出了强大的实力。基于通义千问2.5、LLaMA3.2等架构的模型在数学视觉推理测试中得分超过了OpenAI的模型，展现出了卓越的图形与数学结合分析能力。特别是在事实准确性指标上，140亿参数模型超越了谷歌搜索2.3个百分点，而70亿参数模型则与商业搜索引擎持平。在相同的训练量下，模拟方案较谷歌搜索API节省了88%的开支。
阿里巴巴达摩院的这一突破，不仅有望大幅降低AI模型的训练成本，还可能对AI开发价值链产生深远影响。随着自模拟技术的不断成熟，未来或将涌现出更多创新的AI训练方案，推动整个产业进入低成本、自主进化的新阶段。这一技术的问世，无疑为AI技术的未来发展开辟了新的道路。
