# 阿里通义实验室MaskSearch：揭秘如何让AI大模型成为顶级信息检索专家，性能暴涨！

- Link: https://paooo.com/aigc-news/14827/
- Published: 2026-06-28T09:12:22+08:00
- Author: Prompt 语宙研究院

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * MaskSearch不是简单RAG升级，而是把检索与推理能力写进预训练阶段。
 * 核心RAMP任务要求模型主动搜索外部知识，补全被掩码的关键信息。
 * 结合多[智能体](https://paooo.com/trends/)CoT、DAPO强化学习和课程学习，提升问答
   与搜索表现。

> **💡 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是什么

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。

阅读目录

 * [MaskSearch是什么](https://paooo.com/aigc-news/14827/#masksearch%e6%98%af%e4%bb%80%e4%b9%88)
 * [MaskSearch的主要功能](https://paooo.com/aigc-news/14827/#masksearch%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [MaskSearch的技术原理](https://paooo.com/aigc-news/14827/#masksearch%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [MaskSearch的项目地址](https://paooo.com/aigc-news/14827/#masksearch%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
 * [MaskSearch的应用场景](https://paooo.com/aigc-news/14827/#masksearch%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)
       * [📝 站长洞察 (Editor’s Insight)](https://paooo.com/aigc-news/14827/#%f0%9f%93%9d-%e7%ab%99%e9%95%bf%e6%b4%9e%e5%af%9f-editor8217s-insight)

![MaskSearch](https://paooo.com/wp-content/uploads/2026/05/MaskSearch-website-1.
avif)

## 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](https://github.com/Alibaba-NLP/MaskSearch)
 * **arXiv技术论文**：[https://arxiv.org/pdf/2505.20285](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。

#### 📝 站长洞察 (Editor’s Insight)

MaskSearch的发布，标志着AI模型从被动接收知识向主动构建知识体系的范式跃迁。它巧妙
融合了BERT的掩码思想与强化学习，让[大模型](https://paooo.com/ai-study/)在训练阶段
就学会“带着问题去搜索”。这不仅是技术层面的突破，更预示着未来智能体的发展方向：一个
能够自我质疑、自我验证、并连接外部世界的“认知引擎”。对于企业而言，这意味着构建可靠、
低幻觉的行业应用（如金融分析、法律咨询、医疗诊断）将拥有更坚实的底座。我们正站在“
自主式AI”的门槛上，MaskSearch是推开这扇门的关键手柄之一。

❓ 常见问题解答（FAQ）

MaskSearch和普通RAG有什么区别？

普通RAG多在推理阶段接入检索，MaskSearch则把“检索+推理”前置到预训练中，通过RAMP任务
训练模型主动搜索并补全关键信息，因此更强调内化搜索能力，而不只是外挂知识库。

MaskSearch适合哪些应用场景？

文章提到它适合智能客服、教育辅导、企业级搜索系统，以及机器学习模型调试与优化等场景，
尤其适合需要低幻觉、强检索和复杂问答能力的行业应用。

MaskSearch训练方法有哪些亮点？

它结合SFT与强化学习，使用多智能体生成思维链数据，并采用DAPO动态采样策略和混合奖励
系统；同时引入课程学习，按掩码数量分级训练难度，帮助模型循序提升。

🔬 语宙深潜追问 · 进阶实操拆解

RAMP训练怎么接入现有SFT流程？

先把检索结果、证据片段和掩码预测任务统一成训练样本，再在SFT阶段加入检索监督信号；
若已有指令微调管线，可从少量高价值任务开始混训，避免一上来改动整个数据与损失设计。

企业搜索落地最该盯哪项指标？

优先看答案可追溯率、幻觉率和多跳命中率，而不只是EM/F1。生产里还要监控检索延迟、证据
覆盖率与失败回退策略，确保模型在低置信时能稳定返回可解释结果。

🗳️ 读者观点微投票 · 您的实战立场是？

MaskSearch更适合直接上生产吗？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[🧬 所属权威专题：RAG 知识库与模型微调 →](https://paooo.com/topics/rag-fine-tuning/)

 * [从链式思考（CoT）到多智能体强化学习：2026 企业级推理大模型与 Agentic RAG 系统工程全景实战指南](https://paooo.com/ai-study/41594/)
 * [DeepRAG – 中科院、中科大和腾讯微信AI部联合推出的新型检索增强生成框架](https://paooo.com/aigc-news/22362/)
 * [AutoRAG – 中科院开源的自主迭代检索模型](https://paooo.com/aigc-news/23376/)
 * [阿里通义WebShaper：AI自动出题训练数据合成系统，革新智能体训练范式](https://paooo.com/aigc-news/14354/)

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/aigc-news/14827/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)
