AI-translated from English; not yet reviewed by a fluent editor.

# AstaBrief transforma trechos de pesquisa recuperados em um relatório com citações

> O modelo aberto AstaBrief, da Ai2, redige relatórios com citações a partir de uma pergunta de pesquisa e de trechos recuperados. Veja o fluxo documentado e como conferir as afirmações.

By BIG CHANGE Editorial

Published: 2026-10-03T09:22:25.732Z
Updated: 2026-10-03T09:22:25.732Z
Canonical: https://bigchange.ai/blog/astabrief-research-report-citation-workflow

![Conceptual charcoal illustration of one researcher holding a report page while pointing to a passage in an open scientific paper on a reading stand.](https://bigchange.ai/api/media/file/astabrief-source-check-hero-v1.png)
AI-generated conceptual editorial illustration by BIG CHANGE.

Em 2 de outubro, a Ai2 lançou o AstaBrief 8B, o modelo que alimenta o **modo Fast** no recurso Generate a report do Asta. O modelo disponível para download recebe uma pergunta de pesquisa e trechos extraídos de artigos científicos e, em uma única etapa, redige um relatório com citações. Para pesquisadores, a distinção útil é de onde vêm os artigos e o que as citações de fato sustentam: o AstaBrief redige com base nas evidências fornecidas; por si só, não é um serviço de busca bibliográfica. O [anúncio da Ai2](https://huggingface.co/blog/allenai/astabrief) e o [cartão do modelo](https://huggingface.co/allenai/AstaBrief_8B) descrevem esse limite.

## A grande mudança

- **O que mudou:** A Ai2 integrou o AstaBrief ao modo Fast disponível no Asta e publicou os pesos do modelo e os materiais de treinamento.
- **Por que isso importa:** Segundo a Ai2, grupos de pesquisa podem inspecionar ou adaptar o gerador de relatórios e executar o modelo de pesos abertos em sua própria infraestrutura.
- **O que observar:** A qualidade do relatório depende da literatura recuperada e da verificação de cada afirmação relevante em sua fonte. O modo Thinking do Asta, baseado em Claude, continua sendo uma opção separada e com várias etapas.

## Da pergunta ao relatório

O fluxo hospedado começa no recurso [Generate a report do Asta](https://asta.allen.ai/), onde o modo Fast usa o AstaBrief. Segundo a Ai2, o sistema de relatórios recupera literatura relevante antes de enviar a pergunta e os trechos ao modelo. Em seguida, o modelo redige o relatório em uma única etapa, sem as fases de extração de citações, agrupamento e elaboração seção por seção usadas pelo modo Thinking. O [repositório público do ScholarQA](https://github.com/allenai/ai2-scholarqa-lib) descreve a recuperação por busca de passagens e palavras-chave do Semantic Scholar, seguida de reclassificação; sua [implementação lite](https://github.com/allenai/ai2-scholarqa-lib/blob/main/api/scholarqa/lite/scholar_qa_lite.py) monta um prompt com referências reclassificadas e chama o gerador configurado. Esses são componentes documentados, não um teste do serviço Asta ao vivo pela BIG CHANGE.

Para o fluxo de download, o [cartão do modelo AstaBrief](https://huggingface.co/allenai/AstaBrief_8B) recomenda o formato de prompt vinculado e uma entrada com a pergunta e referências às seções. Ele fornece um exemplo de código de inferência para `transformers`/`vLLM` com limite máximo de saída de 4.096 tokens. No exemplo do cartão, o parâmetro `model_name` aponta para o **checkpoint SFT**, enquanto a própria página descreve a versão posterior ajustada por DPO, `AstaBrief_8B`; quem escolher um checkpoint deve resolver essa divergência, em vez de presumir que o exemplo executa o modelo final exatamente como publicado. A Ai2 também vincula [código de exemplo do ScholarQA lite](https://github.com/allenai/ai2-scholarqa-lib/tree/main/api/scholarqa/lite) que pesquisadores podem adaptar para gerar relatórios a partir dos próprios PDFs. O diretório vinculado contém código; não é uma configuração pronta e documentada para PDFs com requisitos mínimos de hardware especificados.

Isso permite definir uma sequência prática para um experimento local: obter artigos que se tenha permissão para usar; extrair e selecionar passagens relevantes com os identificadores dos artigos; formatar a pergunta e as referências conforme a recomendação do cartão; executar o checkpoint escolhido; e inspecionar o relatório ao lado dessas passagens e dos artigos originais. As fontes documentam esses componentes, mas a BIG CHANGE não executou essas etapas. Uma réplica local completa também exige escolhas de recuperação, análise de PDFs, tratamento de referências e disponibilização do serviço, que os pesos do modelo, por si só, não fornecem.

## Confira as evidências antes de usar o texto

Comece pela recuperação. Registre a consulta e o conjunto de artigos ou PDFs fornecidos ao gerador. Um estudo omitido ou um trecho irrelevante pode distorcer a resposta antes mesmo de o AstaBrief escrever uma palavra. Depois, abra cada artigo citado para conferir as afirmações relevantes. Verifique se a passagem citada sustenta a frase exata, incluindo a população, o método, a data e o grau de certeza. Uma citação pode ser real e pertinente, mas o relatório pode ampliar um resultado de uma amostra para toda uma área ou transformar uma constatação descritiva em recomendação. A Ai2 identifica explicitamente essa falha de escopo das afirmações em seu [anúncio](https://huggingface.co/blog/allenai/astabrief).

Por fim, procure afirmações importantes sem citação e trechos em que o relatório se apoia repetidamente em uma parcela limitada dos artigos recuperados. A Ai2 diz que filtrar os relatórios de treinamento pela densidade de citações melhorou os resultados de desenvolvimento. Isso ajuda a explicar por que a atribuição importa, mas a densidade de citações, por si só, não demonstra que as afirmações citadas sejam fiéis às fontes. Trate o relatório gerado como uma síntese de trabalho a ser revisada à luz dos artigos, especialmente antes de citá-lo em uma pesquisa ou de tomar uma decisão relevante.

## O que a avaliação publicada demonstra

Segundo a Ai2, em todo o fluxo do Asta, o modo Fast levou em média **51,1 segundos por relatório**, contra **178,5 segundos** no modo Thinking — cerca de 3,5 vezes mais rápido nessa comparação. O cartão do modelo informa os resultados do AstaBrief para as perguntas de ciência da computação do ScholarQA-CS2 e para o DeepScholarBench. O anúncio também descreve uma comparação humana separada e pequena: três pesquisadores contribuíram com 14 perguntas. São avaliações da Ai2 de seus sistemas e conjuntos de teste, não uma demonstração independente de que um relatório específico será preciso. O anúncio diz que a maior parte do treinamento e da avaliação ocorreu em 2025 e que a avaliação completa **não foi refeita com os modelos de fronteira atuais**.

O [checkpoint final](https://huggingface.co/allenai/AstaBrief_8B) está disponível sob a licença Apache 2.0, e a Ai2 lista os conjuntos de dados e prompts de treinamento em uma [coleção do AstaBrief](https://huggingface.co/collections/allenai/astabrief). O cartão do modelo diz que ele se destina à pesquisa e à educação, conforme as orientações de uso responsável da Ai2. A nota de treinamento menciona oito GPUs H100 para o treinamento com DPO; isso **não** é um requisito mínimo publicado para inferência. Os materiais primários analisados não informam o preço por relatório do Asta hospedado, uma especificação mínima de GPU local nem um custo local confiável por relatório. Quem planeja uma implantação precisa calcular esses custos para a própria configuração.

## Fontes e leituras complementares

- [Anúncio da Ai2 de 2 de outubro](https://huggingface.co/blog/allenai/astabrief) explica o modo Fast ao vivo, a geração em uma etapa, os tempos e os limites da avaliação. As alegações de desempenho são da própria Ai2.
- [Cartão do modelo AstaBrief 8B](https://huggingface.co/allenai/AstaBrief_8B) informa a licença, o uso pretendido, a recomendação de prompt e o exemplo de inferência, que menciona o nome do checkpoint SFT.
- [Coleção do AstaBrief](https://huggingface.co/collections/allenai/astabrief) lista os checkpoints publicados, conjuntos de dados e prompts; a presença desses materiais não demonstra que seja possível reproduzir todo o fluxo localmente.
- [Código e documentação do ScholarQA](https://github.com/allenai/ai2-scholarqa-lib) descrevem o sistema de recuperação; [o gerador lite](https://github.com/allenai/ai2-scholarqa-lib/blob/main/api/scholarqa/lite/scholar_qa_lite.py) mostra como referências reclassificadas são transformadas em um prompt para geração em uma etapa. Inspecionamos a documentação e o código; não os executamos.
- [Repositório de avaliação do ScholarQA-CS2](https://github.com/allenai/ai2-scholarqa-eval) disponibiliza código e dados de benchmark, incluindo a elaboração das rubricas. Ajuda a explicar o desenho do teste, mas não verifica de forma independente as pontuações divulgadas pelo AstaBrief.

## Sources

- [Lançamento do AstaBrief, o modelo rápido de geração de relatórios do Asta](https://huggingface.co/blog/allenai/astabrief) — Anúncio da Ai2. Documenta o modo Fast, a geração em uma etapa, a velocidade divulgada e as ressalvas sobre os benchmarks. Os resultados são relatados pelo fornecedor.
- [Cartão do modelo AstaBrief-8B](https://huggingface.co/allenai/AstaBrief_8B) — Cartão oficial do checkpoint: licença Apache 2.0, prompt e exemplo de inferência, limites e recursos de treinamento. O exemplo de código menciona o checkpoint SFT.
- [Coleção do AstaBrief](https://huggingface.co/collections/allenai/astabrief) — Índice oficial dos checkpoints final e SFT, conjuntos de dados e prompts. Os termos de cada conjunto de dados precisam ser analisados separadamente.
- [Repositório Ai2 Scholar QA](https://github.com/allenai/ai2-scholarqa-lib) — Repositório oficial que explica a recuperação e a reclassificação; pode não descrever a configuração exata do Asta hospedado.
- [Implementação do gerador ScholarQALite](https://github.com/allenai/ai2-scholarqa-lib/blob/main/api/scholarqa/lite/scholar_qa_lite.py) — O código oficial mostra como as referências reclassificadas alimentam a geração em uma etapa. Inspecionado, não executado.
- [Repositório de avaliação Ai2 ScholarQA](https://github.com/allenai/ai2-scholarqa-eval) — Código e dados de benchmark da Ai2, além do contexto sobre a elaboração das rubricas; não é uma nova avaliação independente do AstaBrief.