阿里新方法教AI用好搜索通义团队开源新框架MaskSearch
阿里通义实验室发布的预训练框架MaskSearch，小模型也能媲美大模型！
这个新开源框架，核心是让模型在预训练阶段练习“边推理边用搜索引擎”。方法来源于BERT的“掩码预测”思路，但MaskSearch不是让模型凭空猜词，而是逼它学会通过搜索获取外部知识来补全被遮蔽的信息。这类任务叫做RAMP（检索增强型掩码预测）。
MaskSearch特别之处在于，它能同时兼容监督微调（SFT）和强化学习（RL）训练方式。在SFT中，它用“多智能体+教师模型”的方式自动生成高质量思维链；在RL中，它靠“混合奖励”系统引导模型优化推理路径，避免只为得分堆信息。
更进一步，作者还设计了课程学习策略，让模型从简单任务逐渐适应复杂场景，显著提升模型泛化能力。
实验结果亮眼。在多个问答数据集上，MaskSearch都比传统训练方式效果更好。尤其是在跨领域任务上，小模型的表现甚至能媲美大模型。
同时，研究也发现不同掩码策略、奖励函数对最终性能有明显影响，说明“让模型学会怎么学”本身也是个技术活。
