Allenův institut zrychlil vědecké reporty. AstaBrief je otevřený

Rychlejší cesta k rešerši

Vědecká rešerše není totéž co běžná otázka v chatbotu. Uživatel nechce pouze souvislý text. Potřebuje vědět, odkud jednotlivá tvrzení pocházejí, zda citace skutečně podporuje daný odstavec a jestli model nepřidal závěr, který ve zdrojové studii vůbec nebyl.

AstaBrief vznikl právě pro tento typ práce. Dostane výzkumnou otázku a výňatky z nalezené literatury. Z nich sestaví delší report a připojí citace. Model je součástí platformy Asta, kde doplňuje dosavadní režim Thinking mode založený na komerčních modelech. Ai2 popisuje nový Fast mode jako rychlejší variantu pro první verzi reportu, kterou lze dál upravovat. Podle oznámení Allenova institutu trvá Fast mode v průměru 51,1 sekundy, zatímco Thinking mode 178,5 sekundy.

Rozdíl nevzniká pouze tím, že by AstaBrief běžel na menším modelu. Systém mění celý postup generování. Thinking mode nejprve pracuje s vyhledanými úryvky, třídí je, sumarizuje a report skládá po sekcích. AstaBrief se učí vytvořit výsledný dokument v jediném průchodu. Vynechává část mezikroků, které prodlužují zpracování.

Model pro konkrétní úkol

AstaBrief 8B vychází ze základu Qwen3-8B a má 8 miliard parametrů. To samo o sobě neříká, jak dobře si povede při libovolné práci. Důležitější je způsob jeho doladění. Ai2 model netrénoval jako univerzálního chatbota, který má stejně dobře psát básně, programovat i vysvětlovat fyziku. Výcvik byl zaměřený na vědeckou syntézu, strukturu reportu a práci s citacemi.

Model podporuje kontextové okno o velikosti 16 000 tokenů. Token je menší jednotka textu, ze které jazykový model skládá vstup a výstup. U češtiny odpovídá jeden token často části slova, přesný poměr se však liší podle textu. Kapacita tedy stačí na větší balík podkladů, sama o sobě ale nezaručuje, že model správně zpracuje každou stránku nebo zachytí všechny důležité výjimky.

Trénink vycházel z reálných dotazů uživatelů platformy Asta. Z původního souboru zhruba 90 000 výzkumných dotazů vzniklo po filtrování 47 000 použitelných příkladů pro supervised fine-tuning, tedy učení na připravených vzorech správných odpovědí. Dalších přibližně 6 000 příkladů vzniklo pro DPO, metodu, při které model dostává dvojice odpovědí a učí se, kterou lidští nebo automatizovaní hodnotitelé považují za lepší. Zdrojový článek uvádí také 6 622 preferenčních párů.

Citace dostaly větší váhu

Ai2 při vývoji zjistil, že kvalitu reportu nezlepší automaticky složitější filtr nebo delší odpověď. Jedním z nejlepších signálů byla hustota citací. Tým sledoval, jak velká část tvrzení v reportu má oporu ve zdroji. Text s dlouhými pasážemi bez citací mohl vypadat uhlazeně, ale pro vědeckou práci byl méně užitečný.

Vývojáři sledovali čtyři oblasti. První měřila, zda report pokrývá potřebný obsah. Druhá posuzovala relevanci jednotlivých odstavců. Třetí kontrolovala, zda citace podporuje tvrzení, ke kterému je připojená. Čtvrtá sledovala, zda report pokrývá tvrzení dostatečně a neopírá se jen o malý počet zdrojů.

To je důležité omezení, které se týká i výrazně větších modelů. Správně vložená citace ještě neznamená správný závěr. Model může najít relevantní studii, ale její výsledek popsat obecněji, než dovolují data. Ai2 proto upozorňuje na případy, kdy se z nálezu u konkrétní skupiny stane tvrzení o celé populaci nebo se popisný výsledek změní v doporučení.

Srovnání s komerčním režimem

Výsledky AstaBrief byly porovnávány s reporty z Claude-powered pipeline a s modelem DR Tulu. Ai2 uvádí, že AstaBrief byl v testech konkurenceschopný v několika ukazatelích kvality odpovědi a práce s citacemi. Zároveň ale výslovně upozorňuje, že hodnocení vznikalo převážně během vývoje v roce 2025. Nejde tedy o aktuální srovnání s dnešními verzemi GPT, Gemini nebo Claude.

Hlavní test SQABench-CS2 obsahoval 200 uživatelských otázek z informatiky. Ai2 použil také DeepScholarBench, který má 63 dotazů zaměřených na dlouhé syntézy z odborných článků. Skóre těchto testů nelze jednoduše převést na jedno pořadí, protože měří odlišné vlastnosti.

V menší studii se zapojili tři vědečtí pracovníci, kteří hodnotili 14 otázek. Posuzovali celkovou preferenci, úplnost, relevanci, organizaci a přesnost citací. Podle Ai2 získal AstaBrief lepší hodnocení citací u dvou ze tří výzkumníků, celkovou preferenci však v této studii získal DR Tulu. Automatické hodnoticí modely GPT-4.1 a DeepSeek-R1 se při výběru lepšího reportu shodly s lidskými preferencemi v 95 procentech případů. Samotný Ai2 ale výsledky označuje za ověření konkrétního návrhu systému, nikoli za důkaz, že AstaBrief poráží současnou špičku.

Open-source provoz

AstaBrief je zveřejněný pod licencí Apache 2.0. To umožňuje bezplatné výzkumné i komerční použití modelu podle podmínek této licence. Vydané váhy lze stáhnout z Hugging Face. Ai2 zveřejnil také datasety a ukázkový workflow, který může sloužit jako základ pro tvorbu reportů z vlastních PDF souborů.

Pro univerzity, výzkumné týmy nebo firmy pracující s neveřejnými materiály je podstatná možnost provozu na vlastní infrastruktuře. Data nemusí automaticky mířit do API dodavatele uzavřeného modelu. Praktická náročnost ale závisí na hardwaru, konfiguraci a kvalitě vyhledávání zdrojů. Z velikosti 8B nelze bez dalšího vyvodit, že model poběží svižně na každém běžném notebooku.

V platformě Asta je Fast mode dostupný už nyní, společně s Thinking mode. Ve zveřejněných materiálech není uvedený samostatný ceník za použití AstaBrief ani předplatné platformy Asta. Model samotný je možné stáhnout bez licenčního poplatku, provoz vlastní infrastruktury však samozřejmě vyžaduje hardware a elektřinu.

Dostupnost pro české uživatele

AstaBrief je dostupný globálně jako model ke stažení a platforma Asta je přístupná přes web. Ai2 ovšem v oznámení neuvádí českou lokalizaci ani podporu češtiny jako garantovanou funkci. Stejně tak není popsána dostupnost zákaznické podpory nebo obchodních podmínek pro český a evropský trh.

Český výzkumník si může stáhnout model a zapojit ho do vlastního workflow, pokud si zajistí vhodné technické prostředí. U reportů z českých článků bude záležet také na tom, zda vyhledávací část systému dokáže dodat kvalitní české nebo vícejazyčné podklady. AstaBrief sám o sobě není vědecká databáze. Generuje z materiálu, který dostane.

Nejkonkrétnější přínos novinky je proto provozní. Ai2 ukazuje, že otevřený model specializovaný na jeden typ práce může vytvořit použitelný report rychleji než náročnější pipeline. Současně zveřejňuje data a postup, takže jiní vývojáři mohou kontrolovat, jak byl model trénovaný. Výsledky však stále vyžadují kontrolu zdrojů člověkem, zejména u medicíny, práva a dalších oblastí, kde záleží na přesném rozsahu vědeckých závěrů.