方法 无需搜索的强化学习框架 本文作者来自通义实验室和北京大学，第一作者是北京大学智能学院博士生孙浩，主要研究方向是RAG和Agent，在 NeurIPS、ACL、EMNLP 等国际顶级会议上 发表多篇论文，师从张岩教授。该工作在阿里巴巴通义实验室RAG团队实习期间完成。 信息检索能力对提升大语言模型 (LLMs) 的推理表现至关重要，近期研究尝试引入强化学习 (RL) 框架激活 LLMs 主动搜集信息的能力，但现有方法在训练过程中 面临两大核心挑战： 为了解决这些问题，我们提出了 ZeroSearch 框架 —— 无需真实搜索，直接用大语言模型模拟搜索引擎，并引入课程学习策略，在显著降低 88% 成本的同时，在 多项任务上性能超过依赖真实搜索引擎的方法。 传统训练方法需要在 Rollout 阶段频繁与真实搜索引擎交互，产生大量 API 开销，而大语言模型在预训练阶段积累了丰富的世界知识，具备根据 query 返回相关信 息的能力，因此 ZeroSearch 创新性地引入大语言模型作为模拟搜索引擎（Simulation LLM），无需真实搜索，即可为策略模型生成检索文档，大幅降低了训练成 本： $$\oper ...

证券研究报告：金融工程报告 研究所 分析师:肖承志 SAC 登记编号:S1340524090001 Email:xiaochengzhi@cnpsec.com 研究助理:冯昱文 SAC 登记编号:S1340124100011 Email:fengyuwen@cnpsec.com 近期研究报告 《通义千问发布 Qwen-3 模型， DeepSeek 发布数理证明大模型——AI 动态汇总 20250505》 - 2025.05.06 《基金 Q1 加仓有色汽车传媒，减仓电 新食饮通信——公募基金 2025Q1 季报 点评》 - 2025.04.30 《泛消费打开连板与涨幅高度，ETF 资 金平铺机器人、人工智能与芯片—— 行业轮动周报 20250427》 - 2025.04.28 《国家队交易特征显著，短期指数仍 交易补缺预期，TMT 类题材仍需等待— —行业轮动周报 20250420》 - 《英伟达召开 GTC 2025 大会， Skywork-R1V、混元 T1 等推理模型接 2025.04.21 《小市值持续，高低波风格交替—— 中邮因子周报 20250413》 - 2025.04.14 《4 月是否还会有 ...

【编者按】如今生成式 AI 逐渐融入软件开发流程，越来越多 AI 生成的代码出现在实际工程中——但你有没有想过，这些由 AI 写出来的代码，从一开始 就可能被视为"遗留代码"？本文作者从工程经验出发，结合 AI 的生成机制，提出一个颇具启发性的观点： AI 生成的代码缺乏上下文记忆和维护连续性， 因此一 诞生就处于"他人旧作"的状态 。 这 不仅是对当前 AI 编码能力的冷静观察，也为我们理解未来软件开发形态提供了一种新视角。 原文链接： https://text-incubation.com/AI+code+is+legacy+code+from+day+one 翻译 | 郑丽媛 出品 | CSDN（ID：CSDNnews） 在软件开发中，代码的"可改进性"往往取 决于其所处的生命周期阶段。通常可以分为以下几类情况： 总的来看， 代码的演进速度，通常取决于离它的编写时间有多近、维护者是不是原作者。 其实 ， 这种状态是合理的：对于一个运行稳定、经过验证的软件系统而言，贸然进行"改进"往往带来额外风险，尤其是当你对系统的整体脉络不甚了 解时，原作者通常才最清楚其潜在逻辑和 开发 背景。 AI 生成的代码 ， ...

优于大市（维持） 证券分析师 李宏涛 [Table_Main] 证券研究报告 | 行业周报 通信 资格编号：S0120524070003 邮箱：liht＠tebon.com.cn 研究助理 市场表现 -20% -10% 0% 10% 20% 29% 39% 49% 2024-05 2024-09 2025-01 通信 沪深300 资料来源：德邦研究所，聚源数据 相关研究 1.《国内需求回归，国产算力深度布 局》，2025.5.5 2.《通宇通讯（002792.SZ）：净利润 率同比增长，低空、卫星东风将启》， 2025.4.28 3. 《 海 外 加 大 Capex ， 国 内 cloudmatrix 规模部署，算力和光通 信具持续性》，2025.4.26 4.《DeepSeek 之后 Cloudmatrix 规 模上线，"关税战"加速国产 AI 成 熟》，2025.4.19 5.《震有科技（688418.SH）：刚果总 包项目落成，海外业绩增长启动》， 2025.4.15 通信 2025 年 05 月 10 日 中美将开始接触，出海产业链预期向 好 [Table_Summary] 投资要点： 1. 投资策略 ...

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 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： 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。 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" 。 优化目标如下： 其中， 是待优化的策略模型， 是参考模型， ...

整理 | 华卫 近日，阿里巴巴的研究人员在 Hugging Face 上发布了一种名为"ZeroSearch"的新技术，可以大大降低训练 AI 系统进行信息搜索的成本和复杂度，完全 消除对昂贵商业搜索引擎 API 的需求。 研究人员表示，"强化学习（RL）训练需要频繁进行部署，可能会涉及到数十万次搜索请求，这会产生巨额的 API 费用，严重限制了可扩展性。" 据介绍，这项新技术是一种强化学习框架，允许大语言模型 （LLM） 通过模拟的方式开发高级搜索功能，而无需在训练过程中与真实的搜索引擎进行交 互。并且，其表现优于基于真实搜索引擎的模型，同时产生的 API 成本为零。既能让企业更好地控制 AI 系统学习检索信息的方式，又可以为其节省大 量的 API 费用。 该技术适用于多个模型系列，包括 Qwen-2.5 和 LLaMA-3.2，且无论是基础模型还是经过指令调整的模型都能应用，无需单独的监督预热阶段，并与近 端策略优化 （PPO）、组相对策略优化 （GRPO）等各种 RL 算法兼容。目前，研究人员已在 GitHub 和 Hugging Face 上提供了他们的代码、数据集 和预训练模型，允许其他研究人员和公 ...