AstaBrief 的小模型报告写作：引用质量与生成流程如何一起优化

事实与来源

Ai2 在 10 月 2 日公布 AstaBrief，一个基于 Qwen3-8B、专门把研究问题与检索到的论文片段整理成带引用报告的模型。官方称，Asta 完整流程中，Fast mode 平均耗时 51.1 秒，Thinking mode 为 178.5 秒，约快 3.5 倍。这个数字来自发布方的系统测试，本文没有运行模型或复测速度。

值得开发者研究的，是它把训练数据和生成流程一起调整。模型仍需要外部提供相关资料，不能把下载权重理解为获得完整的文献搜索系统；“一次生成正文”也不等于整个产品只调用一次模型。

技术机制

训练先做监督微调，让模型学习问题、参考片段与报告之间的对应关系，再用离线 DPO 学习报告对之间的偏好。SFT 数据卡补充了博客容易略过的细节：47K 是中间候选集，去掉引用密度低于 0.25 的报告后，留下约 39.5K 条。引用密度衡量有至少一条引用的陈述占比，它本身不证明引用内容正确。

DPO 数据集包含 6,622 对偏好样本，保留两个评判模型意见一致的报告对。生成端则把问题和参考资料交给模型，直接写完整正文，省去原先的片段摘要、聚类与逐节生成。公开实现仍保留单独的标题生成和输出解析，因此接入时要分别检查正文生成、后处理及引用映射。

例子与用途

假设一个编译器团队要比较论文中几种循环优化方法。检索阶段应给每个证据片段分配稳定编号，同时保留处理器、测试程序和编译选项。报告可以按适用条件组织方法差异，让读者从结论回到支持它的片段。这是本文提出的应用方案，并非 AstaBrief 在该场景下的实测结果。

例如，一篇论文只在特定芯片和测试集上报告加速，成稿就应保留这些条件。如果模型把它写成“该方法普遍更快”，即使末尾附上正确论文，论断范围也已经变大。验收可以选取关键比较句，逐条检查实验条件是否被省略、多个来源是否真正讨论同一设置，以及相反结果有没有被遗漏。

限制与不确定性

Ai2 明确说，大部分训练和评测在 2025 年完成，没有重新对比当前最强模型。模型卡也显示指标并非全面上涨：在所列 CS2 测试中，引用精度从基础模型的 76.2 提升到 90.5，回答相关性指标却从 90.6 降到 89.0。不同指标回答不同问题，不能只挑平均分宣布替代所有大模型。

官方推荐提示词还有两个接入细节：它把当前年份写成 2025，并允许把来自模型自身知识的内容标为 LLM Memory。因此，输出并非严格限定于给定文献。若产品要求每个事实都能追溯到输入资料，就需要明确处理这类内容，并对提示词修改后的表现重新评测。

开发者启示

可以先拿一批有明确检索范围的问题，固定参考片段，比较现有系统与这种单次正文生成方式。除耗时外，分别检查问题覆盖、引用是否支持论断、关键结论是否漏引，以及是否夸大证据。将检索失败和写作失败分开记录，才能判断该改资料选择、提示词还是训练样本。

复用公开材料还要区分对象：模型权重标为 Apache 2.0，SFT 与 DPO 数据集标为 CC BY-NC 4.0，数据卡另提示第三方模型输出条款。部署权重与拿数据继续训练不能混为一谈。更稳妥的起点，是先做小范围验证，保留原始证据和人工复核，再决定哪些报告适合自动交付。