阿里巴巴的「ZeroSearch」AI 透過自主學習將訓練成本降低 88

阿里巴巴的 ZeroSearch:改變人工智能訓練效率的遊戲規則
阿里巴巴集團的研究人員開創了一種突破性的方法,有可能徹底改變人工智能系統學習信息檢索的方式,完全繞過成本高昂的商業搜索引擎 API。他們的 ZeroSearch 技術可讓大型語言模型在訓練階段透過模擬環境培養複雜的搜尋能力,而非傳統的搜尋引擎互動。
"研究人員在最新發表的 arXiv 論文中解釋說:「傳統的強化學習需要大量的搜尋要求,累積了大量的 API 成本,妨礙了可擴展性。"ZeroSearch 代表了一種具成本效益的強化學習架構,可增強 LLM 的搜尋能力,而不受限於實際的搜尋引擎。
免搜尋訓練背後的機制
目前的 AI 訓練方法面臨兩個主要的限制:在訓練週期中,商業搜尋引擎提供的文件品質不一致,以及向 Google Search 等服務大量呼叫 API 所產生的高昂費用。
ZeroSearch 採用創新的兩階段式方法:
- 初始監督微調可將 LLM 轉換為文件生成模組
- 先進的課程式強化逐步改變輸出品質
"研究人員指出:「我們的基本發現顯示,預先訓練的 LLM 本質上擁有足夠的世界知識來產生符合上下文的文件。"模擬與真實搜尋輸出之間的主要差異在於文體上的文字差異,而非實質內容上的差距。
性能基準顯示顯著優勢
在七個不同的問題回答資料集上進行的嚴格測試證明了 ZeroSearch 的競爭優勢:
- 7B 參數模型與 Google 搜尋準確性相匹配
- 14B 參數配置超越商業搜尋效能
財務方面的影響尤其顯著:
- 使用 64K 查詢進行傳統訓練:透過 SerpAPI 為 586.70 美元
- 使用四個 A100 GPU 的 ZeroSearch 相當於:70.80 美元
- 總成本降低:88
"研究團隊總結:「這些結果驗證了 LLM 在強化學習實作中,可以取代傳統的搜尋引擎。
對人工智能發展的更廣泛影響
ZeroSearch 展示了無需依賴外部工具的自主能力開發,標誌著人工智慧訓練方法的範式轉變。
該技術有望帶來多種轉變性影響:
- 成本民主化:消除昂貴的 API 依賴性,降低創業公司的財務障礙
- 訓練控制:在模型開發過程中實現資訊輸入的精確調控
- 架構彈性:兼容主要模型系列,包括 Qwen-2.5 和 LLaMA-3.2
阿里巴巴已通過 GitHub 和 Hugging Face 倉庫開放了完整的實現方案,包括代碼庫、訓練數據集和預訓模型。
這項創新預示著一種新興的人工智能發展趨勢,即透過精密的模擬而非依賴外部服務來產生先進的能力。隨著這些自給自足的訓練技術日漸成熟,它們可能會大幅重塑技術生態系統目前對主要平台 API 的依賴。
相關文章
Base44 推出專有 AI 模型,以增強其 Vibe Coding 平臺的安全性
Base44,這個一年前僅成立六個月、團隊規模僅為八人的初創公司,被Wix以8000萬美元收購,如今已開始部署其專有AI模型,幫助使用者使用自然語言構建應用程式。這一進展正值AI社羣爭論前沿模型是否適用於所有用例,以及依賴外部模型的企業能否保持長期競爭優勢之時。總部位於灣區的Base44的最新戰略旨在解決這兩方面的擔憂。儘管其定製大語言模型(LLM)剛剛推出,Base44的目標是最終超越前沿模型。創始人Maor Shlomo指出,“作為我們整個技術棧的一部分來訓練並擁有該模型,使我們能夠在延遲
影片生成新創公司 PixVerse 募得 4.39 億美元,估值突破 20 億美元
總部位於新加坡的影片生成新創公司 PixVerse 今日宣布完成 C 輪擴充融資,本輪共募得 4.39 億美元。據該公司表示,此輪新融資使其估值突破 20 億美元。這筆資金將用於擴展其世界模型產品線,並拓展全球客戶群。PixVerse 最初於 3 月完成由 CDH Investments 領投的 C 輪融資。雖然當時未披露具體融資金額,但《彭博社》報導稱約為 3 億美元。 本輪擴充融資的投資方包
中國的AI伴侶規範:北京的真正目標
「AI 伴侶」這個概念看似帶有反烏托邦色彩,卻已成為關於生成式 AI 風險的廣泛討論中反覆出現的話題。本質上,它指的是專為與使用者維持持續且個人化的關係而設計的對話代理,具備記憶功能與一致的人格特質,以確保不同對話會話間的連貫性。這種設計自然會引發情感依戀,而這也已成為其關鍵賣點。 這類應用大多涉及隨意的角色扮演,或是單純希望擁有一個能記住你的存在;在邊緣地帶,這類產品與普通助理的界線已日趨模糊
相關專題推薦
評論 (1)
0/500

阿里巴巴的 ZeroSearch:改變人工智能訓練效率的遊戲規則
阿里巴巴集團的研究人員開創了一種突破性的方法,有可能徹底改變人工智能系統學習信息檢索的方式,完全繞過成本高昂的商業搜索引擎 API。他們的 ZeroSearch 技術可讓大型語言模型在訓練階段透過模擬環境培養複雜的搜尋能力,而非傳統的搜尋引擎互動。
"研究人員在最新發表的 arXiv 論文中解釋說:「傳統的強化學習需要大量的搜尋要求,累積了大量的 API 成本,妨礙了可擴展性。"ZeroSearch 代表了一種具成本效益的強化學習架構,可增強 LLM 的搜尋能力,而不受限於實際的搜尋引擎。
免搜尋訓練背後的機制
目前的 AI 訓練方法面臨兩個主要的限制:在訓練週期中,商業搜尋引擎提供的文件品質不一致,以及向 Google Search 等服務大量呼叫 API 所產生的高昂費用。
ZeroSearch 採用創新的兩階段式方法:
- 初始監督微調可將 LLM 轉換為文件生成模組
- 先進的課程式強化逐步改變輸出品質
"研究人員指出:「我們的基本發現顯示,預先訓練的 LLM 本質上擁有足夠的世界知識來產生符合上下文的文件。"模擬與真實搜尋輸出之間的主要差異在於文體上的文字差異,而非實質內容上的差距。
性能基準顯示顯著優勢
在七個不同的問題回答資料集上進行的嚴格測試證明了 ZeroSearch 的競爭優勢:
- 7B 參數模型與 Google 搜尋準確性相匹配
- 14B 參數配置超越商業搜尋效能
財務方面的影響尤其顯著:
- 使用 64K 查詢進行傳統訓練:透過 SerpAPI 為 586.70 美元
- 使用四個 A100 GPU 的 ZeroSearch 相當於:70.80 美元
- 總成本降低:88
"研究團隊總結:「這些結果驗證了 LLM 在強化學習實作中,可以取代傳統的搜尋引擎。
對人工智能發展的更廣泛影響
ZeroSearch 展示了無需依賴外部工具的自主能力開發,標誌著人工智慧訓練方法的範式轉變。
該技術有望帶來多種轉變性影響:
- 成本民主化:消除昂貴的 API 依賴性,降低創業公司的財務障礙
- 訓練控制:在模型開發過程中實現資訊輸入的精確調控
- 架構彈性:兼容主要模型系列,包括 Qwen-2.5 和 LLaMA-3.2
阿里巴巴已通過 GitHub 和 Hugging Face 倉庫開放了完整的實現方案,包括代碼庫、訓練數據集和預訓模型。
這項創新預示著一種新興的人工智能發展趨勢,即透過精密的模擬而非依賴外部服務來產生先進的能力。隨著這些自給自足的訓練技術日漸成熟,它們可能會大幅重塑技術生態系統目前對主要平台 API 的依賴。
Base44 推出專有 AI 模型,以增強其 Vibe Coding 平臺的安全性
Base44,這個一年前僅成立六個月、團隊規模僅為八人的初創公司,被Wix以8000萬美元收購,如今已開始部署其專有AI模型,幫助使用者使用自然語言構建應用程式。這一進展正值AI社羣爭論前沿模型是否適用於所有用例,以及依賴外部模型的企業能否保持長期競爭優勢之時。總部位於灣區的Base44的最新戰略旨在解決這兩方面的擔憂。儘管其定製大語言模型(LLM)剛剛推出,Base44的目標是最終超越前沿模型。創始人Maor Shlomo指出,“作為我們整個技術棧的一部分來訓練並擁有該模型,使我們能夠在延遲
影片生成新創公司 PixVerse 募得 4.39 億美元,估值突破 20 億美元
總部位於新加坡的影片生成新創公司 PixVerse 今日宣布完成 C 輪擴充融資,本輪共募得 4.39 億美元。據該公司表示,此輪新融資使其估值突破 20 億美元。這筆資金將用於擴展其世界模型產品線,並拓展全球客戶群。PixVerse 最初於 3 月完成由 CDH Investments 領投的 C 輪融資。雖然當時未披露具體融資金額,但《彭博社》報導稱約為 3 億美元。 本輪擴充融資的投資方包
中國的AI伴侶規範:北京的真正目標
「AI 伴侶」這個概念看似帶有反烏托邦色彩,卻已成為關於生成式 AI 風險的廣泛討論中反覆出現的話題。本質上,它指的是專為與使用者維持持續且個人化的關係而設計的對話代理,具備記憶功能與一致的人格特質,以確保不同對話會話間的連貫性。這種設計自然會引發情感依戀,而這也已成為其關鍵賣點。 這類應用大多涉及隨意的角色扮演,或是單純希望擁有一個能記住你的存在;在邊緣地帶,這類產品與普通助理的界線已日趨模糊





首頁






