Ai2 開源科學研究報告模型 AstaBrief 8B：以單次生成與引用過濾提升文獻綜述效率

艾倫人工智慧研究所開源 8B 參數規模的科學文獻報告模型 AstaBrief 8B，透過真實科研提問與引用密度過濾機制，讓模型具備單次生成附帶文獻引用報告的能力。本文解析 AstaBrief 的訓練架構、引用精確度表現以及本機部署應用。

科學文獻回顧與跨研究比對往往需要閱讀大量篇幅，並釐清各篇論文的研究對象、方法與限制。艾倫人工智慧研究所（Ai2）將旗下科研平台 Asta 的報告生成模型開源，推出以 Qwen3-8B 為基礎微調的 AstaBrief 8B 模型權重。這項專案旨在驗證參數量較小的開源模型，是否能在維持引用依據與報告品質的前提下，縮短生成時間並降低運算成本。

AstaBrief 8B 的技術定位與生成速度

在 Ai2 的科研平台 Asta 中，報告生成功能原本主要依賴商用模型驅動的 Thinking 模式。該流程需要對檢索到的文獻片段進行摘要、分群，再分章節逐步撰寫，雖然產出完整，但耗時較長。

根據 Ai2 官方技術部落格公布的數據，Fast 模式（由 AstaBrief 驅動）在完整的 Asta 流程中平均每份報告耗時 51.1 秒，而 Thinking 模式平均需要 178.5 秒，速度約提升 3.5 倍。

單次生成架構與運算成本

為了加快回覆節奏，研發團隊改變了工作流程。AstaBrief 接收使用者研究問題與檢索文獻片段後，直接單次輸出完整的長篇報告，跳過中間摘要與章節拆解的步驟。

測試結果顯示，省略繁瑣的中間步驟並沒有犧牲報告的結構與內容覆蓋度。這種設計讓研究人員可以在更短的時間內拿到初步文獻整理，並在後續對話中針對特定細節進一步追問。

本地部署與資料隱私考量

許多科研團隊在處理尚未公開的實驗數據或機密專案時，無法將查詢內容直接傳送至第三方雲端 API。AstaBrief 8B 採用 Apache 2.0 授權開源，研究機構可將模型部署於內部伺服器，配合官方釋出的 PDF 處理範例，建立封閉環境的文獻報告生成系統。

訓練方法：真實科研提問與兩階段偏好對齊

AstaBrief 的訓練並未採用較複雜的強化學習方案，而是選擇了流程相對穩定、計算開銷較低的監督微調（SFT）搭配直接偏好最佳化（DPO）。

SFT 資料集的篩選與建構

訓練資料來源為 ScholarQA 與 Asta 系統累積的真實使用者提問紀錄。科研人員在查詢時通常帶有明確的前提條件、特定研究方法或受試族群，與一般搜尋引擎的短關鍵字差異顯著。

研發團隊從數十萬筆紀錄中過濾機器人流量、過短句子、非英語提問與個人隱私資訊，保留 9 萬筆研究提問。接著利用 ScholarQA 檢索文獻，並透過 Claude 3.5 Sonnet、Claude 3.7 Sonnet、o3、o4-mini 與 GPT-4.1 等模型生成對應報告，經品質審查後獲得 4.7 萬筆 SFT 訓練樣本。

雙裁判機制的 DPO 資料配對

偏好資料集則使用未進入 SFT 的獨立提問集合。每一道題目分別由兩套不同系統產生報告，一組來自基於 Claude 的 ScholarQA 流程，另一組來自 o3、o4-mini、DeepSeek-V3 或 DeepSeek-R1。

團隊使用 GPT-4.1 與 DeepSeek-R1 作為評審模型，對兩份報告進行勝負判定。只有當兩名裁判模型意見一致時，該組資料才會被保留。官方測試顯示，這兩款模型的聯合判斷與人類專家偏好有一致性（約 95% 重合），最終篩選出約 6,000 組高品質偏好對。

解決模型過度推論：以引用密度過濾資料

在科學文獻綜述中，模型常出現一種隱蔽的偏差：雖然標註了正確論文，卻將論文中特定樣本的發現擴大為普遍現象，或將過去式的觀察結果改寫為指示性的行動建議。

為解決文獻支撐力不足的問題，團隊評估了四種統計過濾指標：

• 輸出與輸入 Token 比例：排除依據過少卻產生大量文字的樣本
• 引用相關性：計算被引用論文的檢索相關分數平均值
• 引用多樣性：評估報告是否過度集中於少數幾篇論文
• 引用密度：計算報告中有標註來源的句子比例

實驗發現，過濾掉引用密度偏低的合成樣本對模型表現幫助最明顯。去除缺乏文獻依據的段落後，模型生成報告時的引用精確度顯著上升。

SQABench 與基準測試表現

在涵蓋 100 道電腦科學科研問題的 ScholarQA-CS2 測試集上，AstaBrief 8B 展現出相較於原始基準模型的提升：

• 原始 Qwen3-8B：平均分數 77.3，回答精確度 90.6，引用精確度 76.2，引用召回率 64.6
• AstaBrief-8B-SFT：平均分數 83.7，回答精確度 90.4，引用精確度 87.7，引用召回率 71.3
• AstaBrief-8B（DPO 後）：平均分數 87.0，回答精確度 89.0，引用精確度 90.5，引用召回率 78.2

在對抗評測中，AstaBrief 8B 對決 Asta ScholarQA 原生流程的勝率在 SQA-CS2 開發集為 55%，測試集則達到 72%。而在更具挑戰性的長篇文獻綜述評測 DeepScholarBench 中，AstaBrief 8B 得分為 53.50，雖低於 Asta ScholarQA 的 60.25 與 DR-Tulu-8B 的 56.26，但憑藉較小的模型體積與速度優勢，維持了實用的綜合水準。

常見問題

AstaBrief 8B 與一般開源對話模型有何不同？

一般對話模型在生成長篇內容時，常因缺乏來源驗證而出現幻覺，或在未附引用的情況下直接陳述結論。AstaBrief 8B 經過專門的科研引文訓練，能依據檢索到的文獻片段生成結構化章節，並為段落中的論點附上對應的文獻依據。

使用者如何在本地環境運行 AstaBrief 8B？

該模型已託管於 Hugging Face 平台，支援 Transformers 與 vLLM 推論框架。官方建議輸入時採用微調期間定義的 Prompt 格式，將使用者的研究問題與檢索出的文獻段落整合傳入，以維持格式穩定性。

AstaBrief 8B 是否完全取代了 Thinking 模式？

沒有。在 Asta 的實際產品設計中，兩者屬於互補定位。Fast 模式適合作為快速文獻探索與初稿產出工具，而涉及高複雜度跨領域整合或需要多步推理的任務，依然可交由計算資源更充裕的 Thinking 模式處理。

結語

AstaBrief 8B 透過精簡的 SFT 與 DPO 流程，結合嚴格的引文密度過濾，證實了 8B 級別的開源模型能在科學文獻摘要領域提供具競爭力的引文精確度。這套模型架構與訓練過濾策略，為需要自建私有化文獻分析工具的研究機構提供了具體的實踐參考。