- ZeroSearch драстично намалява разходите за обучение на AI модели чрез симулирани търсения, елиминирайки зависимостта от външни търсачки.
- Използва контролирана система за обучение с подсилване, която подобрява възможностите за припомняне и разсъждение на LLM.
- Това позволява на компаниите и разработчиците да обучават усъвършенствани модели на ниска цена, получавайки автономност и контрол върху процеса.
Иновациите в областта на изкуствения интелект претърпяха бум напоследък, особено по отношение на моделите с големи езици (LLM). Един от най-значимите постижения на 2025 г. е ZeroSearch, технология, разработена от Alibaba, която разтърсва начина, по който се обучават тези модели. Какво точно представлява ZeroSearch и защо предизвиква толкова голямо вълнение в индустрията? В тази статия ще се задълбочим в тази нова методология, как работи, какви предимства предлага пред традиционните методи и как би могла да промени развитието на ИИ на всички нива.
В технологичните среди това е темата за разговорите: ZeroSearch обещава да намали разходите за обучение на специалисти по изкуствен интелект с изумителните 88% . Този скок в ефективността, далеч не е просто маркетингов ход, има дълбоки последици за големи и малки компании, разработчици и, разбира се, за развитието на изкуствения интелект като цяло.
Какво е ZeroSearch и откъде идва?
ZeroSearch е нова техника за обучение с подсилване, предназначена да обучава езикови модели, без да се разчита на реални външни търсачки по време на процеса на обучение. Тази иновация идва от Tongyi Lab на Alibaba, като целта ѝ е да реши два често срещани проблема при обучението на модели с изкуствен интелект, които използват уеб търсения: високата цена на използването на API и непредсказуемостта на качеството на извлечените документи.
Досега разработването на усъвършенствани асистенти, чатботове или системи за препоръки изискваше изпращане на десетки хиляди заявки към търсачки като Google чрез платени услуги, което увеличаваше разходите и ограничаваше мащабируемостта, особено за компании с ограничени бюджети.
ZeroSearch променя играта, като залага на система, в която самият LLM се учи да симулира работата на търсачка , генерирайки релевантни или дори шумни (нерелевантни) документи в отговор на заявки и по този начин позволявайки обучение без външно взаимодействие.
Как работи ZeroSearch? Подробно техническо обяснение
В основата на ZeroSearch е рамка за обучение с подсилване (RL), която елиминира необходимостта от реално търсене в интернет по време на обучението. Нека разгледаме стъпка по стъпка как е структуриран този процес според подхода на Alibaba и публикуваните подробни анализи на техниката.
1. Лека контролирана настройка за симулиране на търсения
Всичко започва с контролирана фина настройка (SFT), при която LLM се обучава да се държи като модул за извличане на информация. Чрез тази настройка той се научава да генерира документи с отговори на заявки, имитирайки текстовия стил и типа съдържание, които би предложила истинска търсачка. По време на тази начална фаза се записват пътищата на взаимодействие между модела и търсачката, като се създават лог файлове на заявки и извлечени документи.
Успешните пътища, т.е. тези, които водят до правилния отговор, са обозначени като положителни (полезни документи), докато тези, които водят до грешки или неправилни отговори, са обозначени като отрицателни (шумни документи). Тази диференциация по-късно ще помогне на модела да разбере и възпроизведе динамиката на реалистично търсене, включително релевантни резултати и по-малко полезни.
2. Ролята на обучението с подсилване при симулация на учебната програма
След контролирано настройване, моделът преминава към фазата на обучение с подсилване, където добрите практики се подсилват, а грешките се санкционират. Тук симулираният LLM действа като търсачка, отговаряйки на заявки, генерирани от модела на политиката, и връщайки документи, които могат да бъдат полезни или проблематични.
Трудността на модела нараства прогресивно, следвайки стратегия на учебната програма, която бавно влошава качеството на генерираните документи. Това позволява на системата първо да се учи в контролирана среда и с напредването си да се сблъсква с все по-шумни или сложни примери . Този подход помага на модела да развие стабилни възможности за търсене и разсъждение при реалистични условия.
3. Дизайн на награди и показатели за оценка
За да насочва обучението, ZeroSearch използва функция за възнаграждение, базирана на F1 резултата , която балансира точността и припомнянето, като отчита съвпадението на думите между прогнозата и правилния отговор. Целта е да се увеличи максимално точността на крайните отговори, които моделът може да генерира, без да се притеснявате твърде много за форматирането, тъй като LLM обикновено генерират добре форматиран текст по естествен път.
4. Шаблони за многократно взаимодействие и разсъждение
По време на обучението се използват шаблони за взаимодействие, които разделят процеса на три етапа: вътрешно разсъждение (разделено между тагове като <think>...</think>), провеждане на консултацията (<search>...</search>) Y генериране на отговори (<answer>...</answer>). Това позволява на модела да подобри способността си да формулира подходящи заявки и да предоставя добре обосновани отговори.
5. Съвместимост и мащабируемост
ZeroSearch е съвместим с основни езикови модели, като например семейството Qwen-2.5, Qwen-2.5 , LLaMA-3.2 и варианти, настроени по инструкции или базови варианти. Освен това, може да бъде реализиран с различни алгоритми за подсилване (PPO, GRPO и други), което улеснява неговото внедряване в различни среди за разработка.
Данни от реалния свят: Колко спестява ZeroSearch и как се представя?
Експерименти, проведени от Alibaba и документирани в специализирани публикации и хранилища, показват, че ZeroSearch постига сравнима и дори по-добра производителност от тази, получена чрез традиционните търговски търсачки . Икономиите на разходи са особено значителни:
- Извършването на 64.000 XNUMX заявки чрез Google Search API може да струва около Щатски долара 586,70 (приблизително 540 евро).
- Същият обем на заявките, генериран и управляван с LLM с 14.000 милиарда параметъра, използващ ZeroSearch, намалява разходите до само Щатски долара 70,80 (около 65 евро).
- Този диференциал предполага 88% спестявания от разходи за обучение, елиминирайки зависимостта от външни API и позволявайки по-голяма мащабируемост.
От друга страна, резултатите по отношение на качеството са впечатляващи: експериментите показват, че модул за извличане на 7B параметри съответства на производителността на системи, базирани на Google Search, докато с 14B параметри моделът дори го превъзхожда в задачи с въпроси и отговори, използвайки както еднократни, така и сложни набори от данни.
Ключови предимства и въздействие върху индустрията за изкуствен интелект
Появата на ZeroSearch представлява радикална промяна в начина, по който компаниите и разработчиците могат да подхождат към обучението на напреднали модели :
- Драстично намаляване на икономическата бариераУлеснява достъпа до усъвършенствани техники за изкуствен интелект за малки и средни предприятия, стартиращи компании и независими разработчици, които преди това бяха възпрепятствани от цената на търговските API.
- По-голям контрол върху обучениетоЧрез генериране на симулирани документи, екипите могат да определят точно каква информация получава моделът, като коригират трудността и качеството според своите нужди.
- Повишаване на техническата автономностМинимизира зависимостта от големи чуждестранни технологични платформи, насърчавайки местното разработване на персонализирани решения с изкуствен интелект.
- Адаптивност и модулностZeroSearch може да бъде внедрен в различни модели и да бъде пригоден към различни работни процеси и бизнес изисквания.
Разлики от предишни стратегии: RAG, реални търсения и симулации
Преди ZeroSearch, най-разпространеното решение за предоставяне на актуална и точна информация на LLMs беше използването на RAG (Retrieval-Augmented Generation), където моделът запитва външни източници, използвайки търсения в реалния свят. Това обаче поражда някои очевидни проблеми:
- Висока ценаПродължаващото използване на API може да увеличи драстично бюджетите.
- Променливо качествоИзвлечените документи могат да бъдат много непоследователни в зависимост от търсенията и самия API.
- Правни и поверителни ограниченияРазчитането на услуги на трети страни е свързано с правни и политически рискове, особено ако обучавате с чувствителна информация.
ZeroSearch елиминира необходимостта от непрекъснато препращане към външни източници, позволявайки на модела да се научи да търси „в себе си“, докато симулира опита на взаимодействие с търсачка.
Въздействие и приложения в реалния живот: от Quark до демократизацията на изкуствения интелект
Alibaba вече интегрира ZeroSearch в своите търговски продукти. Приложението Quark, задвижвано от Qwen модели, е постигнало забележителни подобрения в разсъжденията и точните отговори на сложни заявки благодарение на тази техника. Но може би най-важното е, че ZeroSearch отваря вратата за по-малките компании да проектират свои собствени усъвършенствани модели, без да е необходима скъпа външна инфраструктура.
Изследователската общност има достъп до хранилището с код, наборите от данни и предварително обучените модели както в GitHub, така и в Hugging Face, което насърчава глобалното приемане и експериментиране.
Как ще изглежда бъдещето на обучението по изкуствен интелект благодарение на ZeroSearch?
С развитието на тези техники ще наблюдаваме разпространението на интелигентни асистенти с усъвършенствани възможности за търсене, които не разчитат на Google, Bing или подобни услуги. Това отваря нови възможности в образованието, бизнеса и научните изследвания, като същевременно потенциално подкопава господството на големите търсачки в сектора на изкуствения интелект.
За Испания и Европа това представлява възможност за автономен растеж, намалена технологична зависимост и разходи, както и по-голям стратегически контрол върху критичните информационни системи.
Възходът на ZeroSearch бележи началото на нова ера, в която обучението на модели с изкуствен интелект ще престане да бъде лукс, достъпен само за малцина, и ще се превърне в достъпен, мащабируем и все по-усъвършенстван инструмент. Като обучава ИИ да търси, без да напуска собствената си среда, Alibaba прави гигантска крачка към разработването на самодостатъчни, ефективни системи, адаптирани към всякакви нужди . Вече не става въпрос само за намаляване на разходите, а за преоткриване на правилата на играта за цялата индустрия за изкуствен интелект.
