Ai2 مدل علمی AstaBrief را با وزن‌ها و داده‌های آموزشی منتشر کرد

مدل AstaBrief، سامانه ۸ میلیاردپارامتری Ai2 برای نوشتن گزارش‌های علمی مستند، با وزن‌های باز و داده‌های آموزشی منتشر شده است؛ اقدامی که به پژوهشگران و مؤسسه‌ها امکان می‌دهد آن را بررسی کنند و روی زیرساخت خود به کار بگیرند. این مدل اکنون در پلتفرم پژوهشی Asta به‌عنوان حالت Fast در دسترس است و قرار است گزارش‌های اولیه را سریع‌تر از حالت Thinking تولید کند؛ تفاوتی که برای کار با پرسش‌های پژوهشی حساس یا ناتمام می‌تواند اهمیت داشته باشد.

مدل AstaBrief چگونه گزارش علمی می‌سازد؟

AstaBrief 8B پرسش کاربر و بخش‌هایی از متون علمی را که سامانه بازیابی کرده است، دریافت می‌کند و از آن‌ها گزارشی همراه با ارجاع می‌سازد. به‌گفته Ai2، هدف اصلی، تولید پاسخ‌هایی نیست که صرفاً روان و کامل به نظر برسند؛ گزارش باید به شواهد بازیابی‌شده وفادار بماند، به پرسش مربوط باشد و امکان بررسی منبع ادعاها را فراهم کند.

این نیاز در پژوهش علمی پررنگ است، چون یک گزارش ممکن است منبعی مرتبط را ذکر کند اما نتیجه آن را بیش از حد تعمیم دهد. برای نمونه، یافته‌ای درباره یک گروه مشخص می‌تواند در بازنویسی به ادعایی درباره کل یک جمعیت تبدیل شود. همچنین توصیف یک نتیجه ممکن است به توصیه‌ای برای پزشکان، سیاست‌گذاران یا پژوهشگران تغییر کند؛ تغییری که لزوماً از خود مطالعه پشتیبانی نمی‌شود.

Ai2 می‌گوید AstaBrief از مدل عمومی Qwen3-8B آغاز شده و تمرکز اصلی توسعه آن بر داده‌های پس‌آموزش، ارزیابی و اجزای پیرامونی تولید گزارش بوده است. پس‌آموزش به مراحلی گفته می‌شود که مدل پس از آموزش عمومی می‌گذراند تا برای کار مشخصی، مانند نگارش گزارش پژوهشی، مناسب‌تر شود.

زمان تولید گزارش و تفاوت دو حالت Asta

در Asta، گزارش‌سازی با AstaBrief در حالت Fast ارائه شده و در کنار آن حالت Thinking قرار دارد که از مدل‌های Claude استفاده می‌کند. بنا بر اندازه‌گیری Ai2، زمان متوسط تولید هر گزارش در کل فرایند Asta برای Fast برابر با ۵۱٫۱ ثانیه است؛ در حالت Thinking این زمان به ۱۷۸٫۵ ثانیه می‌رسد. شرکت این تفاوت را حدود ۳٫۵ برابر سریع‌تر توصیف می‌کند.

تفاوت فقط در سرعت مدل نیست؛ مسیر تولید گزارش نیز تغییر کرده است. حالت Thinking ابتدا مراحل پرهزینه‌تری مانند خلاصه‌سازی و دسته‌بندی بخش‌های بازیابی‌شده را انجام می‌دهد و گزارش را بخش‌به‌بخش می‌نویسد. AstaBrief برای تولید مستقیم نسخه نهایی در یک مرحله آموزش دیده است؛ یعنی پرسش و گزیده‌های مرتبط را می‌گیرد و بدون آن مراحل میانی، گزارش را می‌نویسد.

Ai2 می‌گوید این طراحی برای ارائه گزارش مقدماتی سریع‌تر در نظر گرفته شده تا کاربر بتواند در تعامل‌های بعدی آن را اصلاح یا تکمیل کند. در توضیح معرفی مدل، شرکت همچنین از کاهش چشمگیر زمان تولید نسبت به مدل‌های اختصاصی‌ای که بررسی کرده سخن می‌گوید. با این حال، عددهای ۵۱٫۱ و ۱۷۸٫۵ ثانیه اندازه‌گیری کل فرایند Fast و Thinking در Asta هستند و نباید آن‌ها را به‌عنوان زمان اجرای مستقل خود مدل‌ها در هر زیرساختی تعمیم داد.

داده‌های آموزشی و روش تنظیم مدل

به‌گفته Ai2، فرایند آماده‌سازی داده با پرسش‌های واقعی کاربران Asta آغاز شد، نه فقط دستورهای ساختگی یا تمرین‌های معیارسنجی. پژوهشگران ابتدا مجموعه‌ای از ۹۰ هزار پرسش پژوهش‌محور را پس از پالایش کیفیت، ارتباط و حریم خصوصی گردآوری کردند. ترافیک آزمایشی و ربات‌ها کنار گذاشته شد و پرسش‌های بسیار کوتاه، درخواست‌های غیرعلمی، موارد غیرانگلیسی و پیام‌های حاوی اطلاعات شخصی نیز با پالایش‌های مختلف حذف شدند.

برای آموزش نظارت‌شده، سامانه ScholarQA با بازیابی مقاله‌ها و تولید گزارش‌های هدف به کار رفت. آموزش نظارت‌شده روشی است که در آن مدل نمونه‌هایی از ورودی و پاسخ مطلوب را می‌بیند. در این مرحله، خروجی چند سامانه اختصاصی، از جمله Claude 3.5 Sonnet، Claude 3.7 Sonnet، o3، o4-mini و GPT-4.1، در تولید نمونه‌ها نقش داشتند. پس از پالایش، ۴۷ هزار نمونه برای آموزش باقی ماند.

مرحله بعد بهینه‌سازی ترجیح مستقیم یا DPO بود؛ روشی که با مقایسه دو پاسخ به مدل می‌آموزد کدام خروجی ترجیح داده می‌شود. برای این مرحله، دو گزارش متفاوت برای هر پرسش ساخته شد و دو داور زبانی، GPT-4.1 و DeepSeek-R1، آن‌ها را مقایسه کردند. Ai2 می‌گوید این داوری با ترجیح انسان‌ها ۹۵ درصد هم‌خوانی داشت و فقط جفت‌هایی حفظ شدند که هر دو داور در انتخاب گزارش برتر توافق داشتند. مجموعه نهایی DPO حدود ۶ هزار نمونه داشت.

Ai2 به‌جای تکیه بر آموزش تقویتی، که به گفته شرکت می‌تواند پرهزینه و ناپایدار باشد، از ترکیب آموزش نظارت‌شده و DPO استفاده کرد. این انتخاب با هدف ساده‌تر کردن فرایند عملیاتی، اشکال‌زدایی و تکرار آزمایش‌ها انجام شد. شرکت بخش قابل توجهی از کار را صرف تولید و پالایش مثال‌هایی کرد که رفتار مطلوب در نگارش گزارش را نشان دهند.

ارزیابی دقت، ارجاع و محدودیت نتایج

برای سنجش مدل، Ai2 از SQABench-CS2 استفاده کرد؛ مجموعه‌ای شامل ۲۰۰ پرسش پژوهشی نوشته‌شده از سوی کاربران در علوم رایانه. ارزیابی چهار جنبه را دنبال می‌کرد: پوشش محتوای لازم، ارتباط هر بند با پرسش، دقت ارجاع‌ها و میزان پشتیبانی کامل ادعاهای گزارش با منابع ذکرشده. شرکت همچنین به ارزیابی‌های تکمیلی با DeepScholarBench و مقایسه‌هایی در برابر گزارش‌های خط لوله Claude-powered اشاره کرده است.

در نتایج اولیه آموزش نظارت‌شده، کیفیت کلی محتوا بهتر شد، اما مدل هنوز در ارتباط پاسخ و کیفیت ارجاع از خط لوله گزارش‌سازی Claude عقب بود. این نتیجه باعث شد تیم پالایش داده‌ها را جدی‌تر دنبال کند. Ai2 چند شاخص، از جمله نسبت طول خروجی به ورودی و ارتباط مقاله‌های ارجاع‌شده با موضوع را برای یافتن نمونه‌های ضعیف بررسی کرد. متن معرفی همچنین تأکید می‌کند که ارجاع درست به‌تنهایی کافی نیست: مدل باید دامنه و قوت ادعای منبع را هم حفظ کند.

این محدودیت در خواندن نتایج مهم است. Ai2 می‌گوید بخش عمده آموزش و ارزیابی در سال ۲۰۲۵ انجام شده و مدل‌های اختصاصی آن دوره در تولید داده و مقایسه‌ها به کار رفته‌اند. شرکت ارزیابی کامل را در برابر مدل‌های پیشرو کنونی تکرار نکرده است؛ بنابراین نتایج منتشرشده را باید شواهدی درباره انتخاب‌های آموزشی و طراحی همان سامانه دانست، نه اثبات برتری AstaBrief بر تازه‌ترین مدل‌ها.

اجرای محلی و بازبودن مدل

انتشار وزن‌ها به پژوهشگران اجازه می‌دهد مدل را دانلود و روی زیرساخت خود اجرا کنند. این امکان برای مؤسسه‌هایی اهمیت دارد که نمی‌خواهند پرسش‌های پژوهشی حساس یا کارهای منتشرنشده را به سرویس بیرونی بفرستند. در کنار وزن‌ها و داده‌های آموزشی، Ai2 یک گردش‌کار نمونه هم عرضه کرده است که پژوهشگران می‌توانند آن را برای ساخت گزارش از فایل‌های PDF خود تغییر دهند.

انتشار این اجزا می‌تواند بررسی روش آموزش و بازتولید آزمایش‌ها را آسان‌تر کند، اما به‌خودی‌خود تضمین نمی‌کند که گزارش‌های مدل بدون خطا باشند یا در همه رشته‌ها عملکرد یکسانی داشته باشند. خود Ai2 نیز بر ضرورت سنجش وفاداری به شواهد و حفظ محدوده ادعاهای منابع تأکید دارد. این نکته به‌ویژه در استفاده از گزارش‌های تولیدشده برای تصمیم‌های علمی یا حرفه‌ای اهمیت دارد.

این خبر برای چه کسانی اهمیت دارد

انتشار AstaBrief برای پژوهشگرانی مهم است که می‌خواهند مرور اولیه ادبیات را سریع‌تر انجام دهند، اما همچنان به ارجاع‌های قابل بررسی نیاز دارند. مؤسسه‌هایی که ملاحظات حریم خصوصی دارند نیز می‌توانند امکان اجرای محلی را بررسی کنند. برای سازندگان مدل و سامانه‌های پژوهشی، داده‌ها و گردش‌کار منتشرشده نمونه‌ای از رویکردی است که به‌جای افزودن پیچیدگی بیشتر به آموزش، بر کیفیت نمونه‌ها و طراحی فرایند تولید گزارش تمرکز می‌کند.

با این همه، سرعت بیشتر به‌تنهایی معیار کفایت یک گزارش علمی نیست. کاربران باید منابع و دامنه ادعاها را بررسی کنند و نتایج موجود را با توجه به زمان انجام ارزیابی‌ها بخوانند. ارزش اصلی انتشار AstaBrief فعلاً در فراهم کردن یک مدل تخصصیِ قابل اجرا و بررسی برای آزمایش‌های بیشتر در حوزه نگارش علمی است.