Markdown பதிப்பு

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

# AstaBrief, தேடலில் கிடைத்த ஆய்வு மேற்கோள்களை ஆதாரங்களுடன் கூடிய அறிக்கையாக மாற்றுகிறது

> ஆய்வுக் கேள்வியையும் தேடலில் கிடைத்த மேற்கோள்களையும் கொண்டு Ai2-யின் திறந்த AstaBrief மாதிரி ஆதாரங்களுடன் அறிக்கைகளை எழுதுகிறது. ஆவணப்படுத்தப்பட்ட பணிச்சூழலும் அதன் கூற்றுகளைச் சரிபார்க்கும் முறையும் இதோ.

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.

அக்டோபர் 2 அன்று AstaBrief 8B-ஐ Ai2 வெளியிட்டது; Asta-வின் அறிக்கை உருவாக்கும் வசதியிலுள்ள **Fast mode**-க்கு பின்னால் செயல்படும் மாதிரி இது. பதிவிறக்கக்கூடிய இந்த மாதிரி ஆய்வுக் கேள்வியையும் அறிவியல் ஆய்வுக் கட்டுரைகளிலிருந்து தேடிப் பெறப்பட்ட மேற்கோள்களையும் பெற்று, ஒரே முயற்சியில் மேற்கோள்களுடன் அறிக்கை எழுதுகிறது. ஆய்வாளருக்கு உதவும் வேறுபாடு, கட்டுரைகள் எங்கிருந்து வருகின்றன, மேற்கோள்கள் உண்மையில் எதை ஆதரிக்கின்றன என்பதில்தான்: வழங்கப்பட்ட ஆதாரத்தை வைத்து AstaBrief எழுதுகிறது; அது தனியே இலக்கியத் தேடல் சேவை அல்ல. [Ai2-யின் வெளியீடும்](https://huggingface.co/blog/allenai/astabrief) மற்றும் [மாதிரி அட்டையும்](https://huggingface.co/allenai/AstaBrief_8B) இந்த எல்லையை விளக்குகின்றன.

## முக்கிய மாற்றம்

- **என்ன மாறியது:** Ai2, AstaBrief-ஐ Asta-வின் இயங்கும் Fast mode-இல் சேர்த்து, மாதிரி எடைத் தரவுகளையும் பயிற்சிப் பொருட்களையும் வெளியிட்டது.
- **இது ஏன் முக்கியம்:** Ai2-யின் கூற்றுப்படி, ஆய்வுக் குழுக்கள் அறிக்கை உருவாக்கியை ஆய்வு செய்யவோ தழுவவோ, திறந்த எடை மாதிரியைத் தங்கள் சொந்தக் கட்டமைப்பில் இயக்கவோ முடியும்.
- **கவனிக்க வேண்டியது:** அறிக்கையின் தரம் தேடலில் கிடைக்கும் ஆய்வு இலக்கியத்தைப் பொறுத்தது; முக்கியமான ஒவ்வொரு கூற்றையும் அதன் மூலத்துடன் ஒப்பிட்டுச் சரிபார்க்க வேண்டும். Claude மூலம் இயங்கும் Asta-வின் Thinking mode தனியான, பல படிகள் கொண்ட தேர்வாகவே உள்ளது.

## கேள்வியிலிருந்து அறிக்கை வரை

ஹோஸ்ட் செய்யப்பட்ட வழி, Asta-வின் [அறிக்கை உருவாக்கும் வசதியில்](https://asta.allen.ai/) தொடங்குகிறது; அதில் Fast mode AstaBrief-ஐப் பயன்படுத்துகிறது. கேள்வியையும் மேற்கோள்களையும் மாதிரிக்கு வழங்குவதற்கு முன், தொடர்புடைய ஆய்வு இலக்கியத்தைத் தேடிப் பெறுகிறது என Ai2 கூறுகிறது. Thinking mode-இல் பயன்படுத்தப்படும் மேற்கோள் உரை பிரித்தெடுப்பு, குழுவாக்கம், ஒவ்வொரு பகுதியையும் படிப்படியாக எழுதுதல் ஆகிய கட்டங்களைத் தவிர்த்து, மாதிரி ஒரே முயற்சியில் அறிக்கையை எழுதுகிறது. [பொதுவான ScholarQA களஞ்சியம்](https://github.com/allenai/ai2-scholarqa-lib) Semantic Scholar-இன் பத்தி மற்றும் முக்கியச்சொல் தேடலைப் பயன்படுத்தி மேற்கோள்களைப் பெறுவதையும், பின்னர் அவற்றை மீண்டும் வரிசைப்படுத்துவதையும் விவரிக்கிறது; அதன் [எளிய பதிப்பு](https://github.com/allenai/ai2-scholarqa-lib/blob/main/api/scholarqa/lite/scholar_qa_lite.py) மீண்டும் வரிசைப்படுத்தப்பட்ட ஆதாரங்களை வைத்து prompt உருவாக்கி, அமைக்கப்பட்ட generator-ஐ அழைக்கிறது. இவை ஆவணப்படுத்தப்பட்ட கூறுகள்; BIG CHANGE நேரடி Asta சேவையைச் சோதித்ததற்கான ஆதாரம் அல்ல.

பதிவிறக்கக்கூடிய பதிப்புக்கு, [AstaBrief மாதிரி அட்டை](https://huggingface.co/allenai/AstaBrief_8B) இணைக்கப்பட்ட prompt வடிவத்தையும், கேள்வி மற்றும் பகுதி மேற்கோள்களைக் கொண்ட உள்ளீட்டையும் பரிந்துரைக்கிறது. அதிகபட்ச வெளியீடு 4,096 டோக்கன்கள் என எடுத்துக்காட்டு `transformers`/`vLLM` inference குறியீட்டையும் அது வழங்குகிறது. எடுத்துக்காட்டில் `model_name` என்பது **SFT checkpoint**-ஐ அமைக்கிறது; ஆனால் பக்கத்தில் அதைவிடப் பிந்தைய DPO பயிற்சி பெற்ற `AstaBrief_8B` என விவரிக்கிறது. எடுத்துக்காட்டு அச்சிட்டுள்ளபடியே இறுதி மாதிரியை இயக்குகிறது எனக் கருதாமல், checkpoint தேர்வில் உள்ள இந்த முரண்பாட்டை ஆய்வாளர் தீர்க்க வேண்டும். Ai2 மேலும் [எடுத்துக்காட்டு ScholarQA lite குறியீட்டை](https://github.com/allenai/ai2-scholarqa-lib/tree/main/api/scholarqa/lite) இணைக்கிறது; தங்கள் சொந்த PDF-களிலிருந்து அறிக்கை உருவாக்க ஆய்வாளர்கள் இதைத் தழுவலாம். இணைக்கப்பட்ட கோப்பகம் குறியீடு மட்டுமே; குறைந்தபட்ச வன்பொருள் தேவை குறிப்பிடப்பட்ட, உடனடியாகப் பயன்படுத்தக்கூடிய PDF அமைப்பு ஆவணம் அல்ல.

இதன்படி உள்ளூர்ச் சோதனைக்கான நடைமுறை வரிசை: பயன்படுத்த அனுமதியுள்ள ஆய்வுக் கட்டுரைகளைப் பெறுதல்; கட்டுரை ID-களுடன் தொடர்புடைய பத்திகளைப் பிரித்தெடுத்து தேர்ந்தெடுத்தல்; அட்டையின் பரிந்துரைப்படி கேள்வியையும் மேற்கோள்களையும் வடிவமைத்தல்; தேர்ந்த checkpoint-ஐ இயக்குதல்; கிடைத்த அறிக்கையை அந்தப் பத்திகளுடனும் அசல் ஆய்வுக் கட்டுரைகளுடனும் வைத்து ஆய்வு செய்தல். இவை ஆதாரங்கள் ஆவணப்படுத்தும் கூறுகள்; BIG CHANGE செயல்படுத்திய படிகள் அல்ல. முழுமையான உள்ளூர் மறுஉருவாக்கத்திற்கு, மாதிரி எடைத் தரவுகள் மட்டும் வழங்காத தேடல், PDF பாகுபடுத்தல், மேற்கோள் கையாளுதல், சேவை வழங்கல் ஆகிய தேர்வுகளும் தேவை.

## உரையைப் பயன்படுத்துவதற்கு முன் ஆதாரத்தைச் சரிபாருங்கள்

முதலில் தேடல் முடிவைச் சரிபாருங்கள். generator-க்கு அளிக்கப்பட்ட தேடல் வினாவையும் ஆய்வுக் கட்டுரைகள் அல்லது PDF-களின் தொகுப்பையும் பதிவு செய்யுங்கள். விடுபட்ட ஆய்வோ தொடர்பற்ற மேற்கோளோ AstaBrief ஒரு வார்த்தை எழுதுவதற்கு முன்பே பதிலைத் திரித்துவிடலாம். பிறகு முக்கியமான ஒவ்வொரு கூற்றுக்கும் மேற்கோள் காட்டப்பட்ட ஆய்வுக் கட்டுரையைத் திறக்கவும். மக்கள்தொகை, முறை, தேதி, உறுதியின் அளவு உட்பட அந்தத் துல்லியமான வாக்கியத்தை மேற்கோள் பத்தி ஆதரிக்கிறதா எனச் சரிபாருங்கள். மேற்கோள் உண்மையானதாகவும் தொடர்புடையதாகவும் இருக்கலாம்; இருந்தாலும் ஒரு மாதிரியில் கண்ட முடிவை முழுத் துறைக்குப் பொருந்துவதாக அறிக்கை விரிவுபடுத்தலாம், அல்லது விளக்கமான முடிவை அறிவுரையாக மாற்றலாம். கூற்றின் வரம்பு மீறப்படுவதை Ai2 தனது [வெளியீட்டில்](https://huggingface.co/blog/allenai/astabrief) வெளிப்படையாகச் சுட்டிக்காட்டுகிறது.

இறுதியாக, மேற்கோள் இல்லாத முக்கியக் கூற்றுகளையும், அறிக்கை மீண்டும் மீண்டும் தேடலில் கிடைத்த ஆய்வுக் கட்டுரைகளின் குறுகிய பகுதியையே சார்ந்திருக்கும் இடங்களையும் கவனியுங்கள். பயிற்சி அறிக்கைகளை மேற்கோள் அடர்த்தியின் அடிப்படையில் வடிகட்டியது தங்கள் மேம்பாட்டு முடிவுகளை உயர்த்தியதாக Ai2 கூறுகிறது. ஆதாரக் குறிப்புகள் ஏன் முக்கியம் என்பதை அந்தக் கண்டுபிடிப்பு விளக்குகிறது; ஆனால் மேற்கோள் அடர்த்தி மட்டும், மேற்கோள் காட்டப்பட்ட கூற்றுகள் ஆதாரத்திற்கு உண்மையுள்ளவையா என்பதை உறுதிப்படுத்தாது. உருவாக்கப்பட்ட அறிக்கையை, ஆய்வுக் கட்டுரைகளுடன் ஒப்பிட்டு திருத்த வேண்டிய பணிச் சுருக்கமாகக் கருதுங்கள்—குறிப்பாக ஆய்வில் அதை மேற்கோள் காட்டுவதற்கு முன்போ, முக்கியமான முடிவு எடுப்பதற்கு முன்போ.

## வெளியிடப்பட்ட மதிப்பீடு எதை நிறுவுகிறது

Asta செயல்முறை முழுவதிலும் Fast mode சராசரியாக **ஒரு அறிக்கைக்கு 51.1 வினாடிகள்** எடுத்துக்கொண்டதாகவும், **178.5 வினாடிகள்** எடுத்துக்கொண்ட Thinking mode-ஐ விட, அந்த ஒப்பீட்டில் சுமார் 3.5 மடங்கு வேகமாக இருந்ததாகவும் Ai2 தெரிவிக்கிறது. கணினி அறிவியல் கேள்விகளைக் கொண்ட ScholarQA-CS2 மற்றும் DeepScholarBench ஆகியவற்றில் AstaBrief பெற்ற முடிவுகளை அதன் மாதிரி அட்டை குறிப்பிடுகிறது. மேலும், தனியான சிறிய மனித மதிப்பீட்டில் மூன்று ஆய்வாளர்கள் 14 கேள்விகளை வழங்கியதாக வெளியீடு கூறுகிறது. இவை Ai2-யின் அமைப்புகள் மற்றும் சோதனைத் தொகுப்புகள் குறித்த மதிப்பீடுகள்; ஒரு குறிப்பிட்ட அறிக்கை துல்லியமாக இருக்கும் என்பதற்கான சுயாதீன நிரூபணம் அல்ல. பயிற்சியும் மதிப்பீடும் பெரும்பாலும் 2025-இல் நடந்தன என்றும், முழு மதிப்பீடு **தற்போதைய முன்னணி மாதிரிகளைக் கொண்டு மீண்டும் நடத்தப்படவில்லை**.

இறுதி [checkpoint](https://huggingface.co/allenai/AstaBrief_8B) Apache 2.0 உரிமத்தின் கீழ் பொதுவில் கிடைக்கிறது. Ai2 தனது பயிற்சித் தரவுத்தொகுப்புகளையும் prompt-களையும் [AstaBrief தொகுப்பில்](https://huggingface.co/collections/allenai/astabrief) பட்டியலிட்டுள்ளது. Ai2-யின் பொறுப்பான பயன்பாட்டு வழிகாட்டுதலின்படி, இந்த மாதிரி ஆராய்ச்சி மற்றும் கல்விக்காக உருவாக்கப்பட்டதாக மாதிரி அட்டை கூறுகிறது. DPO பயிற்சிக்காக எட்டு H100 GPU-களைப் பயன்படுத்தியதாக அதன் பயிற்சிக் குறிப்பு தெரிவிக்கிறது; ஆனால் **அது** inference-க்கான வெளியிடப்பட்ட குறைந்தபட்சத் தேவையல்ல. ஹோஸ்ட் செய்யப்பட்ட Asta-வில் ஓர் அறிக்கைக்கான விலை, உள்ளூரில் இயக்கத் தேவையான குறைந்தபட்ச GPU விவரக்குறிப்பு அல்லது நம்பகமான உள்ளூர் செலவு ஆகியவற்றை ஆய்வு செய்த முதன்மை ஆதாரங்கள் குறிப்பிடவில்லை. பயன்படுத்தத் திட்டமிடுபவர்கள் தங்கள் அமைப்புக்கான அந்தச் செலவுகளைத் தனியே கணக்கிட வேண்டும்.

## ஆதாரங்களும் மேலும் வாசிப்பும்

- [Ai2-யின் அக்டோபர் 2 வெளியீடு](https://huggingface.co/blog/allenai/astabrief) இயங்கும் Fast mode, ஒரே முயற்சி வடிவமைப்பு, நேர அளவீடு, மதிப்பீட்டின் வரம்புகள் ஆகியவற்றை விளக்குகிறது. செயல்திறன் குறித்த கூற்றுகள் Ai2-யினுடையவை.
- [AstaBrief 8B மாதிரி அட்டை](https://huggingface.co/allenai/AstaBrief_8B) உரிமம், நோக்கம், பரிந்துரைக்கப்பட்ட prompt, inference எடுத்துக்காட்டு ஆகியவற்றை வழங்குகிறது; அந்த எடுத்துக்காட்டில் உள்ள SFT checkpoint பெயரும் இதில் அடங்கும்.
- [AstaBrief தொகுப்பு](https://huggingface.co/collections/allenai/astabrief) வெளியிடப்பட்ட checkpoint-கள், தரவுத்தொகுப்புகள், prompt-களைப் பட்டியலிடுகிறது; அவை இருப்பது மட்டும் உள்ளூரில் முழுமையாக மறுஉருவாக்கம் செய்யலாம் என்பதை நிறுவாது.
- [ScholarQA குறியீடும் ஆவணங்களும்](https://github.com/allenai/ai2-scholarqa-lib) தேடல் அமைப்பை விவரிக்கின்றன; [lite generator](https://github.com/allenai/ai2-scholarqa-lib/blob/main/api/scholarqa/lite/scholar_qa_lite.py) மறுவரிசைப்படுத்தப்பட்ட குறிப்புகளை ஒரே முயற்சியில் உருவாக்கும் prompt-ஆக மாற்றுவதைக் காட்டுகிறது. ஆவணங்களையும் குறியீட்டையும் ஆய்வு செய்தோம்; அவற்றை இயக்கவில்லை.
- [ScholarQA-CS2 மதிப்பீட்டுக் களஞ்சியம்](https://github.com/allenai/ai2-scholarqa-eval) rubric உருவாக்கம் உட்பட சோதனைக்கான குறியீட்டையும் தரவையும் வழங்குகிறது. சோதனை வடிவமைப்பைப் புரிந்துகொள்ள இது உதவுகிறது; AstaBrief வெளியிட்ட மதிப்பெண்களைச் சுயாதீனமாகச் சரிபார்ப்பதில்லை.

## Sources

- [Asta-வின் வேகமான அறிக்கை உருவாக்கு மாதிரியான AstaBrief-ஐத் திறந்த மூலமாக வெளியிடுதல்](https://huggingface.co/blog/allenai/astabrief) — Ai2 வெளியீடு. Fast mode, ஒரே முயற்சி உருவாக்கம், தெரிவிக்கப்பட்ட வேகம், benchmark வரம்புகள் ஆகியவற்றை ஆவணப்படுத்துகிறது. கூற்றுகள் வழங்குநரால் தெரிவிக்கப்பட்டவை.
- [AstaBrief-8B மாதிரி அட்டை](https://huggingface.co/allenai/AstaBrief_8B) — அதிகாரப்பூர்வ checkpoint அட்டை: Apache 2.0 உரிமம், prompt மற்றும் inference எடுத்துக்காட்டு, வரம்புகள், பயிற்சிக் கணினி வளங்கள். அதன் குறியீட்டு எடுத்துக்காட்டில் SFT checkpoint பெயர் உள்ளது.
- [AstaBrief தொகுப்பு](https://huggingface.co/collections/allenai/astabrief) — இறுதி/SFT checkpoint-கள், தரவுத்தொகுப்புகள், prompt-களின் அதிகாரப்பூர்வப் பட்டியல். ஒவ்வொரு தரவுத்தொகுப்பின் விதிமுறைகளையும் தனியே ஆய்வு செய்ய வேண்டும்.
- [Ai2 Scholar QA களஞ்சியம்](https://github.com/allenai/ai2-scholarqa-lib) — அதிகாரப்பூர்வ களஞ்சியம் தேடல் மற்றும் மறுவரிசைப்படுத்தலை விளக்குகிறது; ஹோஸ்ட் செய்யப்பட்ட Asta-வின் துல்லியமான அமைப்பை இது விவரிக்காமல் இருக்கலாம்.
- [ScholarQALite generator செயலாக்கம்](https://github.com/allenai/ai2-scholarqa-lib/blob/main/api/scholarqa/lite/scholar_qa_lite.py) — மறுவரிசைப்படுத்தப்பட்ட குறிப்புகளை ஒரே முயற்சி உருவாக்கத்திற்கான prompt-ஆக மாற்றும் முறையை அதிகாரப்பூர்வக் குறியீடு காட்டுகிறது. ஆய்வு செய்தோம்; இயக்கவில்லை.
- [Ai2 ScholarQA மதிப்பீட்டுக் களஞ்சியம்](https://github.com/allenai/ai2-scholarqa-eval) — Ai2-யின் benchmark குறியீடு/தரவு மற்றும் rubric உருவாக்கத்துக்கான பின்னணி; AstaBrief-ஐச் சுயாதீனமாக மறுமதிப்பீடு செய்ததல்ல.