Les modèles de langage peuvent déjà aider les chercheurs à rechercher de la littérature et à synthétiser des preuves, mais le travail scientifique exige une base et une vérifiabilité. Dans Asta, notre plateforme agentique, les utilisateurs apportent des contraintes complexes et traitent les rapports comme des artefacts de travail. Nous avons construit Asta Brief 8B, un petit modèle ouvert pour la génération de rapports cités, et l'avons open-sourcé avec les données d'entraînement.
Asta Brief est disponible dans la fonction Générer un rapport d'Asta en mode Rapide, aux côtés du mode Pensée alimenté par Claude. Il transforme les questions de recherche et la littérature récupérée en rapports cités, en écrivant en une seule passe. Cela réduit le temps de génération de près d'un ordre de grandeur : le mode Rapide moyenne 51,1 secondes par rapport contre 178,5 secondes pour le mode Pensée, environ 3,5 fois plus rapide.
Nous avons entraîné Asta Brief à partir de Qwen3-8B, en nous concentrant sur les données post-entraînement et l'évaluation. Il utilise des dizaines de milliers de requêtes réelles et un filtrage centré sur les citations. Les poids ouverts permettent aux institutions de l'exécuter localement, crucial pour les recherches sensibles. Nous publions également un exemple de workflow pour adapter les rapports à partir de PDF.
Les résultats reflètent des comparaisons de 2025 ; nous n'avons pas réexécuté l'évaluation contre les modèles frontières actuels. Ce travail soutient des objectifs plus larges via NSF OMAI, dirigé par Ai2, pour construire une IA ouverte pour la science. Nous partageons notre approche pour aider les futurs modèles pour le travail scientifique.
Source: Hacker News · Résumé par HeadlinesBriefing