> ## Content Index
> Fetch the complete content index at: https://globalfeed.ai/llms.txt
> Use this file to discover other available public pages before exploring further.

# Ai2 发布 AstaBrief：为科学问题撰写带引用报告的开放模型
- URL: https://globalfeed.ai/zh/ai2-fa-bu-astabrief-wei-ke-xue-wen-ti-zhuan-xie-dai-yin-yong-bao-gao-de-kai-fang-mo-xing/
- Published: 2026-10-03T20:11:54.000Z
- Updated: 2026-10-03T20:11:54.000Z
- Description: Ai2 以 Apache 2.0 许可证发布 80 亿参数模型 AstaBrief 8B，可根据研究问题和检索到的论文片段撰写带引用的报告。该模型基于 Qwen3-8B 构建，为 Asta 平台新推出的快速模式提供支持，也可在本地运行。
- Author: GlobalFeed Editor
- Tags: Ai2, AstaBrief, 开放模型, 科学研究, x-allen_ai, dil-zh, elle

人工智能研究机构 **Ai2**（Allen Institute for AI，艾伦人工智能研究所）于 2026 年 10 月 2 日发布了 **AstaBrief 8B**。这款 80 亿参数的模型接收一个研究问题以及为该问题检索到的科学论文片段，并撰写一份带引用的报告。模型以 Apache 2.0 许可证开放，模型文件可以下载，因此你可以在自己的电脑上本地运行 AstaBrief。

## AstaBrief 与 Asta

AstaBrief 是 Ai2 面向科学工作的智能体平台 Asta 的一部分。据 Ai2 在 Hugging Face 上发布的博客文章介绍，该模型为 Asta 新推出的快速模式（Fast mode）提供支持，用户可在 asta.allen.ai 上与原有的思考模式（Thinking mode）一起试用。Ai2 此前使用基于 Claude 的多步骤流程生成这类报告：先对检索到的来源进行摘要和聚类，再逐节撰写报告。AstaBrief 则一次性从头到尾写完整份报告，省去了成本较高的摘要和聚类步骤。据 Ai2 介绍，这大幅缩短了报告生成时间，质量也能与原先的流程相媲美。

Ai2 表示，开发这款模型是因为科学家对语言模型的需求与通用聊天机器人的用户不同。检索由单独的系统完成，AstaBrief 根据检索到的段落撰写报告，并把每项论断与对应来源关联起来。

## 训练方式

该模型基于阿里巴巴的开放模型 Qwen3-8B 构建。Ai2 先使用来自真实用户科学提问、并经过质量和隐私筛选的样本进行监督微调（SFT），再利用偏好对进行直接偏好优化（DPO）。训练数据中的报告由多种语言模型生成，其中包括 Claude 和 OpenAI 的模型。Ai2 表示，他们使用统计筛选方法剔除质量较差的训练样本，并把引用密度（即文本依托来源的频繁程度）视为重要信号。据模型卡介绍，训练使用的最大序列长度为 1.6 万个词元（token），模型仅支持英语。

除模型外，Ai2 还在 Hugging Face 的 AstaBrief 合集中公开了训练数据集和一个中间检查点。GitHub 上的示例工作流展示了如何在本地根据 PDF 文件生成报告。模型可通过 vLLM 和 Transformers 运行，Hugging Face 上也有社区制作的量化（quantized）版本。

Ai2 指出，用于生成训练数据的商业模型代表的是当时的前沿水平，评估也尚未与当今最强的模型重新进行。据该研究所介绍，即使模型给出了引用，有时也会把来源中的论断表述得比原文更宽泛；人工评估也只覆盖了少量问题。模型卡指出，如果使用与推荐格式不同的提示，AstaBrief 可能表现不稳定，且其定位是用于研究和教育。使用生成的报告前，最好先核对其中的来源。想获得更全面的了解，也值得关注独立研究人员的评估。

来源：[Ai2：AstaBrief 博客文章](https://huggingface.co/blog/allenai/astabrief?ref=globalfeed.ai)、[Hugging Face：AstaBrief\_8B 模型卡](https://huggingface.co/allenai/AstaBrief%5F8B?ref=globalfeed.ai)、[Ai2：Asta](https://asta.allen.ai/?ref=globalfeed.ai)、[GitHub：本地报告工作流](https://github.com/allenai/ai2-scholarqa-lib/tree/main/api/scholarqa/lite?ref=globalfeed.ai)。