AI2 开源 AstaBrief：面向科学报告的快速生成模型

艾伦人工智能研究所（AI2）于 10 月 2 日在 Hugging Face 博客上宣布，开源其科学智能体平台 Asta 中的快速报告生成模型 AstaBrief 8B。该模型接收一个研究问题与检索到的文献片段，输出一份带引用的报告，现已作为 Asta“生成报告”功能中的 Fast 模式上线，与其由 Claude 驱动的 Thinking 模式并存。

在 Asta 的日常使用中，科学家往往带着大量上下文和约束来提问，例如要求对一批文献做方法学对比，并限定特定方法、人群或研究场景。许多人还会反复回到已生成的报告，把它们当作可复用的研究工作成果，而不是一次性的问答结果。

正因如此，团队希望让科学家更快地生成带引用的报告，并且使用一个可以自行下载和运行的模型。他们试图验证：一个专门为科学报告生成训练的小体量开放模型，能否在报告质量上追上他们此前使用的专有模型，同时减少生成时间和推理成本。

据官方介绍，AstaBrief 以 Qwen3-8B 为起点，研发精力主要放在后训练数据、评估以及报告生成的配套脚手架上。团队收集了数万条真实研究查询，围绕引用做了数据过滤，制作了偏好数据用于 DPO 训练，并重新设计了报告生成流程——不再是逐节拼接，而是一次性写出完整报告。

效率提升相当明显。在完整的 Asta 流程中，Fast 模式平均每篇报告耗时 51.1 秒，而 Thinking 模式为 178.5 秒，约快 3.5 倍。官方称，这套改造使报告生成时间相比他们跟踪的专有模型下降了接近一个数量级。

除了模型权重，AI2 还开源了训练数据，并提供一个示例工作流，让研究者可以基于自己的 PDF 生成报告，作为本地报告生成的起点。开放权重也意味着机构可以把 AstaBrief 运行在自有基础设施上——当研究问题涉及敏感或尚未发表的工作时，这一点尤为必要。

官方同时给出了重要说明：文中的大部分训练与评估工作在 2025 年完成，因此用于生成训练数据、以及作为对比对象的专有模型，反映的是当时的前沿水平。团队并未用今天的前沿模型重跑完整评估，相关结果更适合被理解为对特定训练与系统设计选择的证据，而非当下模型能力的横向排名。

总体来看，AstaBrief 是“用开放权重模型满足科研场景特定需求”这一更宏大目标的一次测试。后续值得关注的是，科研机构能否在本地复现其效果，并在此基础上继续训练出更贴合自身领域的报告模型。