AstaBrief 8B Açık Kaynak: Hızlı Rapor Modeli

Allen Yapay Zeka Enstitüsü (Ai2), bilimsel rapor üretimine özel AstaBrief 8B modelini açık kaynak yayınladı. Model, bir araştırma sorusunu ve ilgili literatür alıntılarını, kaynakça destekli derli toplu bir rapora dönüştürüyor. Amaç; bilim insanlarının saniyeler içinde ön rapor alıp üzerine iterasyon yapabilmesi.

AstaBrief 8B Nedir?

AstaBrief, Ai2'nin bilimsel çalışma platformu Asta'nın "Rapor Oluştur" özelliğinde Fast (Hızlı) mod olarak çalışıyor. Qwen3-8B tabanı üzerine inşa edilen model; cevap kalitesi, ilgililik, yapı ve atıf tutarlılığı hedefleriyle eğitildi. Düşük parametreli bir modelin, bilimsel rapor üretiminde tescilli modellere yaklaşıp yaklaşamayacağı test edildi.

Neden Hızlı?

Klasik boru hattı, alıntıları özetleyip kümeleyerek raporu bölüm bölüm yazıyor. AstaBrief ise tüm raporu tek geçişte üretiyor. Sonuç: tam Asta boru hattında Fast mod ortalama 51,1 saniyede rapor üretiyor; Claude destekli Thinking mod ise 178,5 saniye — yani yaklaşık 3,5 kat hız farkı.

Nasıl Eğitildi? SFT + DPO

Ekip, pekiştirmeli öğrenme (RL) yerine daha sade ve kararlı bir tarif seçti: denetimli ince ayar (SFT) ve doğrudan tercih optimizasyonu (DPO). Eğitim verisi, Asta'ya gelen gerçek kullanıcı sorularından toplandı. Gizlilik ve kalite filtrelerinden sonra 90 bin araştırma odaklı sorgu kaldı; SFT için 47 bin örnek, DPO için 6 bin tercih çifti üretildi.

Veri Kalitesi Belirleyici Oldu

Ekip dört istatistiksel filtre denedi: çıktı/girdi token oranı, alıntı ilgililiği, alıntı yoğunluğu ve alıntı çeşitliliği. En büyük kazanç, alıntı yoğunluğu düşük sentetik raporların ayıklanmasından geldi. Ders netti: daha karmaşık filtreleme değil, modelin iddialarını tutarlı biçimde kaynaklandırıp kaynaklandırmadığı önemliydi.

Performans ve Kullanım

SQABench-CS2 ve DeepScholarBench gibi testlerde AstaBrief, Claude destekli boru hattına yakın sonuç verdi ve Fast mod 374 kullanıcı arasında olumlu geri bildirim aldı. Fast moda geçen kullanıcıların %23'ü bir daha Thinking moduna dönmedi; %18'i ise ihtiyaca göre iki mod arasında geçiş yaptı.

Neden Açık Kaynak Önemli?

Açık ağırlıklar sayesinde kurumlar modeli kendi sunucularında, güvenlik duvarı arkasında çalıştırabiliyor. Bu, hassas veya yayınlanmamış araştırmalar için kritik. Ekip ayrıca kullanıcıların kendi PDF'lerinden rapor üretmesini sağlayan örnek bir iş akışını da paylaştı.

Rakamlarla AstaBrief

Model boyutu: 8B parametre, açık ağırlık
Hız: rapor başına ~51 sn (Thinking mod: ~178 sn)
Eğitim verisi: 90 bin sorgu → 47 bin SFT + 6 bin DPO örneği
Doğrulama: SQABench-CS2 (200 soru), DeepScholarBench (63 sorgu)

Kurumlar İçin Ne Değişiyor?

Açık ağırlıklar, kurumlara modeli kendi donanımında ve güvenlik duvarının arkasında çalıştırma imkanı veriyor. Bu, tescilli bir model API'sine bağımlı kalmadan rapor üretimi yapmak isteyen üniversiteler ve araştırma laboratuvarları için kritik. Ekip; modelin yanı sıra araştırmacıların kendi PDF'lerinden rapor üretmesini sağlayan örnek bir iş akışını (ai2-scholarqa-lib) da açık kaynak paylaştı.

Bilimsel Modellerde Açıklık ve Yeniden Üretilebilirlik

Ai2, AstaBrief'i NSF OMAI gibi tamamen açık yapay zeka altyapısı girişimlerinin bir parçası olarak konumlandırıyor. Model ağırlıklarının ve eğitim verisinin paylaşılması; araştırmacıların yaklaşımı incelemesini, yeniden üretmesini ve üzerine inşa etmesini mümkün kılıyor. Bu şeffaflık, bilimsel çalışmada doğrulanabilirliği artırıyor.

Sınırlamalar ve Dikkat Edilmesi Gerekenler

Ekip açıkça belirtiyor: eğitim ve değerlendirmenin büyük kısmı 2025'te tamamlandı; karşılaştırma için kullanılan tescilli modeller o dönemin sınırını yansıtıyor ve bugünkü modellere karşı yeniden test edilmedi. Ayrıca raporlar "cilalı" görünürken konudan sapabilir ya da kanıtın desteklemediği genellemeler yapabilir. Bu yüzden sonuçlar, belirli bir mühendislik yaklaşımının doğrulaması olarak okunmalı; mutlak bir sıralama iddiası değil.

Sonuç

AstaBrief, küçük ve açık modellerin bilimsel iş akışlarına özel uyarlanabildiğini gösteriyor. Maliyet ve hız avantajı, onu özellikle kurumsal ve akademik kullanım için cazip kılıyor. Modeli Hugging Face'ten indirmek veya Asta'da denemek mümkün.