Ai2 udostępnia na open source AstaBrief, szybki model 8B do generowania raportów naukowych
W skrócie: Allen Institute for AI (Ai2) udostępnił na zasadach open source model AstaBrief 8B, zbudowany na bazie Qwen3-8B, który przekształca pytania badawcze i wyodrębnione fragmenty literatury w raporty naukowe z cytowaniami. Model jest już dostępny w platformie Asta firmy Ai2 jako tryb 'Fast mode' obok trybu 'Thinking mode' opartego na Claude, generując raporty w czasie około 51,1 sekundy średnio w porównaniu do 178,5 sekundy dla pipeline'u opartego na Claude — czyli mniej więcej 3,5 razy szybciej. Ai2 wytrenował model, stosując nadzorowane dostrajanie (SFT) na 47 tys. przykładów (wyselekcjonowanych z 90 tys. przefiltrowanych rzeczywistych zapytań badawczych), a następnie DPO na około 6 tys. par preferencji, stwierdzając, że filtrowanie danych treningowych pod kątem gęstości cytowań było pojedynczym najskuteczniejszym czynnikiem poprawiającym jakość osadzenia (grounding) odpowiedzi w źródłach.
To podsumowanie zostało automatycznie przygotowane przez sztuczną inteligencję na podstawie publikacji „Hugging Face”. To nasz tekst, nie kopia oryginału — fakty, liczby i cytaty należą do źródła, do którego link znajduje się powyżej i poniżej.
Co się zmieniło?
- 1Udostępniono na open source wagi modelu AstaBrief 8B oraz dane treningowe, zbudowane na bazie Qwen3-8B
- 2Generuje pełne raporty z cytowaniami w jednym przebiegu zamiast sekcja po sekcji, skracając czas generowania
- 3Tryb Fast mode osiąga średnio 51,1 s na raport w porównaniu do 178,5 s dla trybu Thinking mode opartego na Claude (ok. 3,5x szybciej)
- 4Trenowany za pomocą SFT (47 tys. przykładów) + DPO (ok. 6 tys. par preferencji) zamiast RL, co daje tańszy i bardziej stabilny trening
- 5Oceniany na SQABench-CS2 (200 pytań z zakresu informatyki) oraz DeepScholarBench (63 zapytania); filtrowanie pod kątem gęstości cytowań dało największe zyski jakościowe
- 6Zawiera przykładowy lokalny workflow do generowania raportów na podstawie własnych plików PDF użytkownika
| Parametr | Było | Jest |
|---|---|---|
| Model bazowy | Nie określono | Qwen3-8B |
| Czas generowania raportu (średni, pełny pipeline) | 178,5 sekundy (tryb Thinking mode oparty na Claude) | 51,1 sekundy (AstaBrief Fast mode) |
| Szybkość względem Thinking mode | 1x (punkt odniesienia) | ok. 3,5x szybciej |
| Liczba przykładów treningowych SFT | Nie określono | 47 tys. (z 90 tys. przefiltrowanych zapytań badawczych) |
| Liczba przykładów treningowych DPO | Nie określono | ok. 6 tys. |
| Dostępność wag/danych | Zastrzeżone (Claude 3.5/3.7 Sonnet, o3, o4-mini, GPT-4.1 użyte do generowania danych) | Udostępnione na open source wagi modelu i dane treningowe |
Dlaczego to ważne?
Pokazuje to trend mniejszych modeli open-weight dorównujących zastrzeżonym pipeline'om LLM w wąsko zdefiniowanych zadaniach (tutaj: pisanie raportów naukowych z cytowaniami) przy ułamku opóźnień i kosztów, a jednocześnie będących możliwymi do samodzielnego hostowania dla wrażliwych danych.
Źródła
- Hugging FaceOficjalneŹródło pierwotneOryginalny artykuł →„Open-sourcing AstaBrief, the fast report-generation model in Asta“2 paź 2026, 18:19
- Data publikacji źródła
- 2 paź 2026, 18:19
- Znalezione przez nasz system
- 2 paź 2026, 19:51
- Podsumowanie wygenerowano
- 2 paź 2026, 20:07
Artykuł napisała AI na podstawie oryginalnego źródła. Fakty, liczby i ceny pochodzą ze źródła; brakujące wartości oznaczono „Brak oficjalnych danych”. Informacje prawne, prawa autorskie i prywatność