Ai2 відкриває AstaBrief 8B з відкритим кодом для швидкої генерації наукових звітів

Інститут Аллена для штучного інтелекту (Ai2) повідомив 2 жовтня 2026 року, що відкриває вихідний код AstaBrief 8B, моделі, яка перетворює наукове питання та отримані уривки літератури у звіт з посиланнями, випускаючи ваги моделі та навчальні дані, коли система запускається в режимі Fast у Asta, його агентній платформі для наукової роботи.

Швидкий режим у генерації звітів Asta

AstaBrief доступний у функції «Створити звіт» в Asta як Fast mode, працюючи поряд із існуючим режимом Thinking, який працює на Claude, згідно оголошення Ai2. Ai2 стверджує, що її мета полягала у перевірці, чи може невелика відкрита модель, спеціально навчена для генерації наукових звітів, досягти якості звітів, яку забезпечували пропрієтарні моделі, які вона використовувала, при цьому скоротивши час генерації та витрати на обслуговування. Ai2 повідомляє, що по всій конвеєрній системі Asta Fast mode в середньому займає 51,1 секунди на звіт у порівнянні з 178,5 секунди у режимі Thinking, різниця описується як приблизно в 3,5 рази швидше і майже на порядок швидше щодо часу генерації порівняно з пропрієтарними моделями, які вона відстежувала.

карта моделі AstaBrief 8B зазначає, що модель ліцензована під Apache 2.0, базується на Qwen3-8B і призначена для досліджень та освітнього використання згідно з Керівництвом відповідального використання Ai2. Оскільки ваги відкриті, Ai2 стверджує, що установи можуть запускати модель на власному обладнанні, включаючи за власним брандмауером, що, за їх словами, необхідно, коли дослідницькі питання стосуються чутливих або неопублікованих робіт. Поряд із вагами Ai2 випустив приклад робочого процесу у своєму репозиторії ai2-scholarqa-lib GitHub, який дослідники можуть адаптувати для створення звітів зі своїх PDF‑файлів.

Навчальні дані та фільтрація

Ai2 розпочав з Qwen3-8B і створив AstaBrief за допомогою контрольованого донавчання, а потім пряма оптимізація за уподобаннями (DPO). Оголошення зазначає, що команда розглядала навчання на основі підкріплення, яке їхня ранніша робота DR Tulu показала, може покращити генерацію довгих звітів для моделей з відкритими вагами, але вибрала простіший підхід, оскільки навчання з підкріпленням може бути нестабільним і дорогим, і команда хотіла рішення, яке дешевше та легше налагоджувати і ітеративно розвивати.

Для швидкості AstaBrief був навчений писати повний звіт за один прохід, використовуючи запит користувача та отримані уривки, минаючи етапи підсумовування уривків і кластеризації, які застосовує режим Thinking на базі Claude, та пропускаючи написання розділ за розділом. Ai2 стверджує, що це стало можливим без шкоди для продуктивності.

Навчальний конвеєр розпочався з реальних запитів користувачів, поданих через систему під Framework’ом ScholarQA від Ai2, який лежить в основі генерації звітів Asta. Команда відфільтрувала журнали за якістю, релевантністю та конфіденційністю, видаливши трафік бета‑тестувальників та ботів, відкидаючи запити, занадто короткі для змісту, та використовуючи проходження на базі LLM для виявлення неанглійських запитів, не наукових запитів і підказок, що містять особисту інформацію. У результаті залишилося 90K запитів, орієнтованих на дослідження.

На етапі контрольованого донавчання цільові повні звіти генерувалися за допомогою багатокрокового конвеєра ScholarQA, підкріпленого сумішшю пропрієтарних систем: Claude 3.5 Sonnet, Claude 3.7 Sonnet, o3, o4-mini та GPT‑4.1. Фільтрація за якістю залишила 47K придатних прикладів. Для DPO пари походили з окремого підмножини запитів, які не використовувалися під час генерації даних SFT: один звіт з конвеєра ScholarQA, зазвичай підкріплений Claude 3.5 або 3.7 Sonnet, проти звіту, згенерованого o3, o4-mini, DeepSeek‑V3 або DeepSeek‑R1. Два суддівські моделі, GPT‑4.1 і DeepSeek‑R1, обирали переможця для кожної пари. Ai2 стверджує, що судді погоджувалися з людськими уподобаннями у 95 відсотках випадків, і лише пари, у яких обидва судді погоджувалися, зберігалися, що дало близько 6K фінальних прикладів. За даними картки моделі, випущена модель була ініціалізована з контрольної точки AstaBrief-8B-SFT і донавчена на AstaBrief_DPO_Mix на наборі даних, при цьому навчання DPO проводилося в open‑instruct framework від Ai2 на 8 × H100 GPU.

Результати оцінювання

Основною метою розробки Ai2 був SQABench‑CS2, який, згідно оголошення, представляє собою набір з 200 користувачами написаних питань з комп’ютерних наук. Команда відстежувала чотири метрики: оцінка за рубрикою, що вимірює, наскільки багато необхідного вмісту охоплює звіт; точність відповідей, що вимірює, чи кожен абзац відповідає питанню; точність цитувань, що вимірює, чи кожна цитата підтримує відповідне твердження; та відтворення цитувань, що вимірює, чи всі твердження звіту повністю підкріплені наданими цитатами. Додаткові оцінки використовували DeepScholarBench, бенчмарк з 63 запитів для довгоформатного дослідницького синтезу, створений на основі недавніх статей arXiv, а також парні порівняння зі звітами з конвеєра, що працює на Claude.

Оголошення повідомляє, що команда протестувала чотири статистичні фільтри на синтетичних навчальних звітах: співвідношення токенів вихід/вхід, релевантність цитувань, щільність цитувань та різноманітність цитувань. Ai2 зазначає, що найбільші покращення отримані шляхом відфільтрування звітів з низькою щільністю цитувань, тоді як більш агресивне фільтрування, комбінації фільтрів та перебори швидкості навчання не дали суттєвих приростів. Це розглядається як ширший висновок, що наукова спеціалізація не обов’язково полягає у додаванні більшого обсягу наукового тексту до передтренування, а склад і якість даних після тренування можуть суттєво змінити продуктивність отриманої моделі.

Ai2 повідомляє, що початкові контрольні точки SFT покращили загальну якість контенту, але все ще відставали від конвеєра на базі Claude за точністю відповідей та якістю цитувань, і що етап DPO привів AstaBrief у діапазон Claude‑конвеєра та DR Tulu щодо генерації звітів. У модельній картці зазначено, що на тестовому наборі ScholarQA-CS2 AstaBrief-8B отримав середнє значення 87 за відстежуваними метриками, у порівнянні з 83.7 для контрольної точки SFT та 77.3 для базової Qwen3-8B, причому AstaBrief-8B набрав 90.2 за відтворенням складових, 89 за точністю відповідей, 90.5 за точністю цитувань та 78.2 за відтворенням цитувань. Картка також повідомляє про показники виграшу, оцінені LLM, для AstaBrief-8B у порівнянні з конвеєром Asta ScholarQA: 55 % на розробочому підрозділі та 72 % на тестовому підрозділі, а також наведено результати DeepScholarBench: 53.50 для AstaBrief-8B, 60.25 для Asta ScholarQA та 56.26 для DR‑Tulu‑8B.

У окремому людському дослідженні, описаному в анонсі, три наукових дослідника кожен внесли по чотири‑п’ять питань у набір із 14 питань і оцінювали звіти трьох систем за загальними уподобаннями, повнотою, релевантністю, організацією та точністю цитувань, допускаючи рівні результати. Ai2 повідомляє, що DR Tulu переміг за загальними уподобаннями, тоді як два з трьох дослідників віддали перевагу AstaBrief щодо точності цитувань.

Ai2 застерігає, що більшість навчання та оцінювання було завершено у 2025 році, що пропрієтарні моделі, використані для створення навчальних даних і як точки порівняння, відображають стан передової на той час, і що повне оцінювання проти поточних передових моделей не було повторно проведено.

Початкове використання та заявлені наступні кроки

Ai2 повідомляє, що серед 374 користувачів Asta, які випробували Fast mode, 29.1 % використовували його два чи більше днів, користувачі створювали в середньому 3.67 потоків звітів, 23 % ніколи не переходили назад до Thinking mode у майбутніх потоках, а ще 18 % чергували між режимами залежно від цілей, використовуючи Fast mode приблизно у 40 % своїх потоків. Позитивна реакція склала 84.2 % для Fast mode порівняно з 85.2 % для Thinking mode, що Ai2 характеризує як схожий рівень, зазначаючи, що відгуки загалом занадто рідкі, щоб підтримувати сильні висновки.

Ai2 заявляє, що досліджує більш детальне навчання уподобань, потужніші підходи RAG‑plus‑RL, можливості багатократних діалогів та багатофункціональних інструментів, додаткові наукові джерела даних та розкладення запитів, а також оцінювання, які перевіряють, чи модель зберігає доказовий спектр своїх джерел, а не розширює те, що встановили базові дослідження. Анонс розміщує цю роботу в рамках ширших наукових моделей Ai2, включаючи NSF OMAI, національну ініціативу США, очолювану Ai2, з метою створення повністю відкритої AI‑інфраструктури та моделей для наукових відкриттів, і описує AstaBrief як один експеримент у довгій лінійці робіт, що простягаються від ScholarQA та DR Tulu до майбутніх версій Olmo.