AI-translated from English; not yet reviewed by a fluent editor. # AstaBrief 將檢索到的研究摘錄整理成附有引文的報告 > Ai2 的開放權重 AstaBrief 模型，根據研究問題與檢索到的摘錄撰寫附有引文的報告。本文說明文件記載的工作流程，以及如何查核其中的主張。 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. Ai2 於 10 月 2 日發布 AstaBrief 8B，將它作為 **Asta「產生報告」功能中的 Fast 模式**。可下載的模型會接收研究問題與從科學論文檢索出的摘錄，再一次生成附有引文的報告。研究人員應留意論文的來源，以及引文實際支持哪些內容：AstaBrief 根據提供的證據撰寫報告，本身並不是文獻搜尋服務。 [Ai2 的發布公告](https://huggingface.co/blog/allenai/astabrief)與[模型卡](https://huggingface.co/allenai/AstaBrief_8B)說明了這項界線。 ## 重大變化 - **有哪些改變：**Ai2 將 AstaBrief 整合進 Asta 正式提供的 Fast 模式，並公開模型權重與訓練材料。 - **為何重要：**Ai2 表示，研究團隊可以檢視或調整報告產生器，也能在自己的基礎設施上執行開放權重模型。 - **接下來要觀察什麼：**報告品質取決於檢索到的文獻，也取決於是否逐一對照來源查核每項重要主張。由 Claude 驅動的 Asta Thinking 模式仍是另一種多步驟選項。 ## 從問題到報告 代管版流程從 [Asta 的「產生報告」功能](https://asta.allen.ai/)開始，Fast 模式在此使用 AstaBrief。Ai2 表示，其報告系統會先檢索相關文獻，再將問題與摘錄交給模型。模型接著一次撰寫報告，不經 Thinking 模式使用的引文擷取、分群與逐節起草階段。[公開的 ScholarQA 儲存庫](https://github.com/allenai/ai2-scholarqa-lib)說明如何從 Semantic Scholar 的段落搜尋與關鍵字搜尋取得內容，再進行重新排序；其[精簡版實作](https://github.com/allenai/ai2-scholarqa-lib/blob/main/api/scholarqa/lite/scholar_qa_lite.py)會從重新排序後的參考資料組成提示詞，並呼叫設定好的生成器。這些是文件記載的元件，不是 BIG CHANGE 對 Asta 線上服務進行的測試。 至於可下載的版本，[AstaBrief 模型卡](https://huggingface.co/allenai/AstaBrief_8B)建議使用其連結所提供的提示詞格式，並在輸入中納入問題與各節的參考資料。模型卡提供範例`transformers`／`vLLM`推論程式碼，最大輸出長度為 4,096 Token。卡片中的範例將`model_name`設為**SFT 檢查點**，但頁面本文介紹的是後續經 DPO 微調的`AstaBrief_8B`；研究人員選擇檢查點時，應先釐清這項差異，而非假設範例照原樣執行即可使用最終模型。Ai2 也連結到[ScholarQA lite 範例程式碼](https://github.com/allenai/ai2-scholarqa-lib/tree/main/api/scholarqa/lite)，研究人員可以據此調整，用自有 PDF 撰寫報告。該連結目錄提供的是程式碼，並非文件完整、可直接使用且註明最低硬體需求的 PDF 解決方案。 本機實驗可採取下列實用流程：取得有權使用的論文；擷取並選出相關段落及論文識別資訊；依模型卡建議格式整理問題與參考資料；執行選定的檢查點；將生成報告與段落及原始論文並列檢視。這些是來源所記載的元件，不是 BIG CHANGE 實際執行過的步驟。完整的本機複製方案還需要檢索、PDF 解析、參考資料處理與服務部署選擇，光有模型權重並不足夠。 ## 使用文字前先查核證據 先檢查檢索流程。記錄送交生成器的查詢，以及論文或 PDF 清單。若漏掉一項研究或納入不相關摘錄，AstaBrief 開始撰寫前答案就可能已經偏誤。接著逐篇開啟支持重要主張的引文。確認引用段落是否支持確切敘述，包括研究族群、方法、日期與確定程度。引文可能真實且相關，但報告仍可能把單一樣本的結果擴大到整個領域，或將描述性發現改寫為建議。Ai2 在其[發布公告](https://huggingface.co/blog/allenai/astabrief)中明確指出這種主張範圍擴大的失誤。 最後，找出重要但沒有引文支持的主張，以及報告反覆依賴少量檢索論文內容的地方。Ai2 表示，從訓練報告中篩除引文密度低的案例，改善了開發結果。這項發現說明為何歸屬來源很重要，但光看引文密度無法證明主張忠實於來源。應將生成報告視為待修訂的綜合草稿，依據論文校正；研究引用或做出重大決策前尤其如此。 ## 已發布的評估能證明什麼 Ai2 表示，整體 Asta 流程中，Fast 模式每份報告平均耗時**51.1 秒**，而 Thinking 模式為**178.5 秒**，在這項比較中約快 3.5 倍。模型卡列出 AstaBrief 在 ScholarQA-CS2 電腦科學問題與 DeepScholarBench 上的成績；發布公告另描述一項規模較小的人類比較測試，由三位研究人員提出 14 個問題。這些是 Ai2 對自家系統與測試集所做的評估，並非獨立證明任何特定報告都會準確。公告指出，多數訓練與評估工作在 2025 年進行，且完整評估**並未以目前的前沿模型重新執行**。 此[最終檢查點](https://huggingface.co/allenai/AstaBrief_8B)以 Apache 2.0 授權公開；Ai2 也在[AstaBrief 資料集](https://huggingface.co/collections/allenai/astabrief)中列出訓練資料集與提示詞。模型卡指出，依 Ai2 的負責任使用指引，此模型適用於研究與教育。訓練說明提到 DPO 訓練使用八張 H100 GPU；這**不是**已公布的推論最低硬體需求。查閱的第一手資料沒有列出代管版 Asta 每份報告的價格、本機 GPU 最低規格，或可靠的本機單份報告成本。規劃部署者必須依自己的設定確認這些費用。 ## 來源與延伸閱讀 - [Ai2 於 10 月 2 日發布的公告](https://huggingface.co/blog/allenai/astabrief)說明正式提供的 Fast 模式、單次生成設計、耗時與評估限制。效能數據由 Ai2 自行提出。 - [AstaBrief 8B 模型卡](https://huggingface.co/allenai/AstaBrief_8B)列出授權、預定用途、提示詞建議與推論範例，其中範例指定了 SFT 檢查點名稱。 - [AstaBrief 資料集](https://huggingface.co/collections/allenai/astabrief)列出已發布的檢查點、資料集與提示詞；這些內容存在，並不代表已證明可在本機端到端重現。 - [ScholarQA 程式碼與文件](https://github.com/allenai/ai2-scholarqa-lib)說明檢索系統；[精簡版生成器](https://github.com/allenai/ai2-scholarqa-lib/blob/main/api/scholarqa/lite/scholar_qa_lite.py)展示如何將重新排序的參考資料轉成單次生成提示詞。我們檢視了文件與程式碼，但未執行。 - [ScholarQA-CS2 評估儲存庫](https://github.com/allenai/ai2-scholarqa-eval)提供基準測試程式碼與資料，包括評分規準的建置方式。這有助理解測試設計，但不能獨立驗證 AstaBrief 公布的分數。 ## Sources - [開源 Asta 中的快速報告生成模型 AstaBrief](https://huggingface.co/blog/allenai/astabrief) — Ai2 發布公告。說明 Fast 模式、單次生成、速度數據與基準測試注意事項。相關主張由供應商提出。 - [AstaBrief-8B 模型卡](https://huggingface.co/allenai/AstaBrief_8B) — 官方檢查點卡片：Apache 2.0 授權、提示詞與推論範例、限制及訓練算力。程式碼範例指定 SFT 檢查點。 - [AstaBrief 資料集](https://huggingface.co/collections/allenai/astabrief) — 最終版與 SFT 檢查點、資料集及提示詞的官方索引。各資料集的使用條款仍須個別查核。 - [Ai2 Scholar QA 儲存庫](https://github.com/allenai/ai2-scholarqa-lib) — 官方儲存庫說明檢索與重新排序流程；內容未必反映 Asta 代管服務的實際設定。 - [ScholarQALite 生成器實作](https://github.com/allenai/ai2-scholarqa-lib/blob/main/api/scholarqa/lite/scholar_qa_lite.py) — 官方程式碼展示將重新排序後的參考資料送入單次生成流程。我們檢視過，但未執行。 - [Ai2 ScholarQA 評估儲存庫](https://github.com/allenai/ai2-scholarqa-eval) — Ai2 的基準測試程式碼、資料與評分規準建置背景；並非獨立重測 AstaBrief。