Ai2 公開 AstaBrief 8B，以單次生成簡化附引文的科學報告流程

Ai2 於 10 月 2 日公開 AstaBrief 8B，讓研究機構能自行部署附引文的科學報告生成模型。它以 Qwen3-8B 為基礎，已用於 Asta 的 Fast 模式，並同步釋出訓練資料與本地 PDF 報告工作流程範例。模型權重採 Apache 2.0 授權。官方公告、模型卡

核心變化在生成流程：模型接收研究問題與已檢索的文獻片段，一次寫出完整報告，省去既有 Claude 流程的片段摘要、分群及逐節撰寫。Ai2 回報，完整 Asta 流程的平均耗時由 Thinking 模式的 178.5 秒降至 Fast 模式的 51.1 秒，約快 3.5 倍；這是整套流程的比較，不能直接視為模型推論速度提升。流程與測試說明

訓練採監督式微調與離線直接偏好最佳化。團隊從真實研究查詢建立約 4.7 萬筆微調範例，發現移除引用密度偏低的合成報告，對品質改善最有幫助。偏好階段則保留兩個裁判模型判斷一致的報告配對。模型卡列出，DPO 使用八張 H100、BF16 精度與 16,000 token 的最大訓練序列長度，提供可供重現的參數。資料建構說明、訓練設定

在模型卡公布的電腦科學研究問題測試集上，引用精確率由基礎模型的 76.2 提升至 90.5，引用召回率由 64.6 升至 78.2；回答精確率則由 90.6 降至 89，顯示各項能力並非同步提升。部署時，官方建議沿用訓練提示格式，替換互動格式可能造成行為不一致。評估與使用方式

對工程團隊而言，這提供了以小模型承擔文獻綜整的具體方案，但檢索品質仍須另行驗證。Ai2 明確指出，多數訓練與評估完成於 2025 年，尚未與當前前沿模型重跑完整比較。繁體中文報告、跨學科資料，以及引文是否保留原研究的適用範圍，應列入採用前測試；附有引用仍可能過度概括證據。官方限制說明