阿里巴巴在GitHub上最新开源了一款名为ZeroSearch的大模型搜索引擎，这款引擎的推出标志着信息检索领域的一次重大革新。这款搜索引擎采用了强化学习框架，使得大型语言模型无需依赖真实的搜索引擎便能拥有强大的搜索能力。
ZeroSearch充分利用了大型语言模型在预训练阶段所积累的海量知识，并将其转化为高效的检索模块。不同于传统的搜索引擎，ZeroSearch无需与真实搜索引擎进行交互，而是依靠一种独特的强化学习机制，通过模型自身的能力直接完成信息检索任务。这一独特的设计使得ZeroSearch能够独立于现有的搜索引擎生态系统之外，为信息检索带来了全新的视角和可能性。
除了无需依赖真实搜索引擎外，ZeroSearch还具备动态调整生成内容质量的能力。它能够根据用户的查询需求，实时优化搜索结果的准确性和相关性，从而提供更加精确和个性化的搜索体验。这一动态控制能力，是传统搜索引擎所无法比拟的，也是ZeroSearch的核心技术优势之一。
为了验证ZeroSearch的性能，研究人员在多个问答数据集上进行了全面的评测，包括NQ、TriviaQA、PopQA和HotpotQA等。评测结果显示，一个拥有70亿参数的监督微调模型，在使用ZeroSearch后，其搜索能力评分达到了33.06；而一个140亿参数的模型更是取得了33.97的高分，成功超越了谷歌搜索的32.47分。这一结果充分证明了ZeroSearch在搜索性能上的卓越表现。
在成本控制方面，ZeroSearch同样展现出了巨大的优势。研究人员通过SerpAPI使用谷歌搜索进行了约64,000次搜索查询的训练，成本高达586.70美元（约合人民币4238元）。然而，在使用四个A100 GPU对140亿参数的大模型进行模拟时，成本仅为70.80美元（约合人民币511元），成本降低了87.93%以上。这一显著的成本节约，使得ZeroSearch在实际应用中具有更高的性价比和可行性。
