💡 站外导读：在AI大模型竞争白热化的今天，其“幻觉”与知识滞后问题严重制约了在真实场景中的应用。如何让大模型不仅“能说会道”，更能主动、精准地获取和利用外部最新知识，成为突破瓶颈的核心挑战。MaskSearch正是在此背景下应运而生，它并非简单的RAG升级，而是通过一种创新的预训练范式，将“检索与推理”能力深度植入模型骨髓，旨在从根本上提升智能体的搜索与决策水平。

MaskSearch是阿里巴巴通义实验室推出的新型通用预训练框架，提升大型语言模型（LLM）的智能体搜索能力。通过检索增强掩码预测（RAMP）任务，让模型在输入文本中对关键信息掩码，借助外部知识库调用搜索工具预测被掩盖的片段，涵盖命名实体、日期、数字、本体知识等关键信息，增加任务难度，促使模型精细化处理信息。在生成监督微调（SFT）数据时，采用多智能体系统，包括规划者、重写者、观察者等角色，协同生成思维链数据，提升数据质量。训练方法结合了SFT和强化学习（RL），使用动态采样策略优化（DAPO）算法构建混合奖励系统，采用课程学习，按掩码数量分级样本难度，让模型逐步学习。

MaskSearch的主要功能

• 提升问答性能：显著增强LLM在开放域多跳问答场景中的性能，特别是在领域内和领域外下游任务上，提升模型对复杂问题的理解和回答能力。
• 适应多种任务：通过RAMP任务和多智能体生成的思维链数据，模型能够更好地适应多种问答任务，提升在不同场景下的表现。
• 多种训练方法兼容：兼容SFT和RL两种训练方法，可以根据不同的任务需求选择合适的训练策略。
• 数据集扩展：通过构建大规模预训练数据集（如1000万样本），提升模型的训练效果和可扩展性。

MaskSearch的技术原理

• 检索增强掩码预测（RAMP）任务：MaskSearch的核心是RAMP任务，受BERT掩码机制启发，让模型在输入文本序列中对关键信息进行掩码处理，然后主动借助外部知识库，调用搜索工具来预测这些被掩盖的文本片段。除了常见的命名实体、日期和数字外，还考虑了本体知识、特定术语和数值等关键信息，增加了任务难度，促使模型在检索和推理过程中更加精细化地处理信息。
• 多智能体协同生成思维链（CoT）数据：为了生成用于监督微调（SFT）的思维链数据，MaskSearch采用多智能体系统，包括规划者、重写者、观察者等角色，协同进行思维链的生成任务，最终由一个LLM负责答案判断，仅保留正确答案的思维链。为快速扩展数据集并保持高质量，使用已有数据训练后的教师模型，直接生成推理轨迹，逐步迭代教师模型，逐步提升数据质量。
• 强化学习（RL）：在强化学习部分，MaskSearch采用了动态采样策略优化（DAPO）算法，构建混合奖励系统，包括格式奖励和回答奖励。格式奖励检查模型输出是否符合指定格式，回答奖励则评估生成答案与标准答案的一致性。最终选择基于模型的奖励函数，使用Qwen2.5-72B-Instruct模型作为评判，为生成答案和标准答案的一致性进行打分。
• 课程学习：MaskSearch引入了课程学习策略，依据掩码数量对训练样本进行难度分级，让模型从易到难依次学习，逐步提升能力。

MaskSearch的项目地址

• Github仓库：https://github.com/Alibaba-NLP/MaskSearch
• arXiv技术论文：https://arxiv.org/pdf/2505.20285

MaskSearch的应用场景

• 智能客服：在智能客服领域，MaskSearch能帮助客服系统更准确地理解用户问题，快速检索到相关的答案和信息，提高客服效率和用户满意度。
• 教育领域：在教育领域，MaskSearch可以用于构建智能辅导系统，帮助学生更好地理解和解决复杂的学术问题。能根据学生的问题，检索相关的知识点和解答，提供个性化的学习支持。
• 企业级搜索系统：企业级搜索系统需要处理大量的内部数据和复杂的查询需求。MaskSearch可以增强企业搜索系统的检索能力，能更准确地理解用户查询意图，从海量数据中快速检索到相关信息，提高企业决策效率。
• 机器学习模型的调试与优化：MaskSearch还可以用于机器学习模型的调试与优化。例如，在调试图像分类模型时，MaskSearch可以帮助用户通过掩码属性查询图像数据库，识别模型学习到的虚假相关性，探索模型显著性与人类注意力之间的差异。