Ai2 เปิด AstaBrief 8B โมเดลเขียนรายงานวิจัยพร้อมอ้างอิง (Apache-2.0) — เร็วกว่าโหมด Claude ใน Asta 3.5 เท่า แถมปล่อยข้อมูลเทรนด้วย

2 ต.ค. 2026 Ai2 (Allen Institute for AI) เปิดซอร์ส AstaBrief 8B ซึ่งเป็นโมเดลตัวที่ทำงานอยู่เบื้องหลังโหมด Fast ของฟีเจอร์ “Generate a report” ใน Asta แพลตฟอร์มเอเจนต์สำหรับงานวิทยาศาสตร์ของ Ai2 งานของโมเดลมีอย่างเดียว คือรับคำถามวิจัยกับข้อความที่ระบบดึงมาจากเปเปอร์ แล้วเขียนรายงานพร้อมอ้างอิงให้เสร็จในรอบเดียว น้ำหนักโมเดลใช้ไลเซนส์ Apache-2.0 และ Ai2 ปล่อยชุดข้อมูล preference (AstaBrief_DPO_Mix) กับ prompt ที่ใช้เทรนออกมาด้วย (repo บน Hugging Face อัปเดตล่าสุดเมื่อ 3 ต.ค.)

เรื่องนี้มีประโยชน์กับนักพัฒนามากกว่าตัวโมเดล เพราะ Ai2 เล่าสูตรทั้งหมดว่าเอาโมเดลขนาด 8B มาทำงาน RAG เฉพาะทางให้ใกล้ pipeline ที่ใช้ Claude ได้อย่างไร โดยไม่ต้องพึ่ง RL และ Ai2 ก็ยอมรับเองว่าการเทรนและประเมินผลส่วนใหญ่ทำเสร็จตั้งแต่ปี 2025 โมเดลที่ใช้เทียบจึงเป็นรุ่นที่ล้ำหน้าที่สุดในตอนนั้น ไม่ใช่โมเดลระดับแนวหน้าของวันนี้

สูตรการเทรน: SFT + DPO และเน้นคัดข้อมูล

• ฐาน: Qwen3-8B
• SFT: เริ่มจากคำถามจริงของนักวิจัยที่ใช้ระบบ ScholarQA คัดกรองแล้วเหลือ 90K คำถาม จากนั้นให้ pipeline เดิมเขียนรายงานเป้าหมายด้วยโมเดลปิดหลายตัว (Claude 3.5 Sonnet, Claude 3.7 Sonnet, o3, o4-mini, GPT-4.1) กรองคุณภาพแล้วเหลือ 47K ตัวอย่าง
• DPO: สร้างคู่รายงานจากคำถามชุดที่ไม่ได้ใช้ใน SFT ให้ GPT-4.1 กับ DeepSeek-R1 ตัดสินว่ารายงานไหนดีกว่า และเก็บเฉพาะคู่ที่ กรรมการทั้งสองเห็นตรงกัน ได้ราว 6K คู่ Ai2 ระบุว่ากรรมการ LLM ตัดสินตรงกับมนุษย์ 95%
• ไม่ใช้ RL: Ai2 เคยทำ DR Tulu ด้วย RL มาแล้ว แต่รอบนี้เลือก SFT+DPO เพราะถูกกว่า เสถียรกว่า และ debug ง่ายกว่า

บทเรียนที่ Ai2 ย้ำมากที่สุดคือตัวกรองที่ซับซ้อนกว่าไม่ได้ให้ผลดีกว่าเสมอไป ทีมลองกรองข้อมูลด้วยสถิติ 4 แบบ ได้แก่ อัตราส่วน output ต่อ input, ความเกี่ยวข้องของเปเปอร์ที่อ้าง, ความหนาแน่นของการอ้างอิง และความหลากหลายของแหล่งที่อ้าง ผลคือแบบที่ได้ผลชัดที่สุดคือการทิ้งรายงานสังเคราะห์ที่อ้างอิงน้อย ส่วนการกรองหนักขึ้น การรวมหลายตัวกรอง หรือการจูน learning rate ไม่ได้ช่วยเพิ่มอย่างมีนัย

อีกการตัดสินใจที่ช่วยเรื่องความเร็วคือการให้โมเดลเขียนรายงานทั้งฉบับในรอบเดียว แทนการสรุป snippet จัดกลุ่ม แล้วเขียนทีละหัวข้อแบบ pipeline เดิม

ผลลัพธ์: เร็วขึ้นมาก คุณภาพใกล้เคียง

• ใน pipeline เต็มของ Asta โหมด Fast ใช้เวลาเฉลี่ย 51.1 วินาทีต่อรายงาน ส่วนโหมด Thinking ที่ใช้ Claude ใช้ 178.5 วินาที เร็วกว่าประมาณ 3.5 เท่า
• บน SQABench-CS2 (คำถามวิจัยด้านคอมพิวเตอร์ 200 ข้อ) และ DeepScholarBench Ai2 บอกว่า AstaBrief สู้ได้ กับ pipeline ที่ใช้ Claude และ DR Tulu ในหลายตัวชี้วัด ทั้ง rubric, answer precision, citation precision และ citation recall
• ในการทดสอบกับมนุษย์ขนาดเล็ก (14 คำถาม นักวิจัย 3 คน) DR Tulu ชนะด้านความชอบโดยรวม แต่นักวิจัย 2 ใน 3 คนให้ AstaBrief ดีกว่าด้านความแม่นยำของการอ้างอิง
• จากผู้ใช้จริง 374 คนที่ลองโหมด Fast มี 23% ใช้ต่อและไม่กลับไปใช้ Thinking อีกเลย อีก 18% สลับใช้ทั้งสองโหมด ส่วนอัตรา feedback เชิงบวกใกล้กันมาก (84.2% เทียบกับ 85.2%)

ข้อควรระวังคือ Ai2 บอกเองว่าในขั้น DPO โมเดลถูก optimize ให้ชนะการจัดอันดับแบบ pairwise ตัวนี้ ขณะที่ DR Tulu ไม่ได้ทำแบบนั้น ตัวเลขการชนะด้วยกรรมการ LLM จึงได้เปรียบ AstaBrief อยู่แล้วส่วนหนึ่ง

ใช้งานจริงต้องรู้อะไร

• model card ให้ตัวอย่างการรันด้วย Transformers และ vLLM ขนาด 8B รันบน GPU ระดับผู้ใช้ทั่วไปได้เมื่อใช้ quantization
• ต้องใช้ prompt format เดียวกับตอนเทรน (ไฟล์ sft_prompt.txt ใน dataset AstaBrief_prompts) ถ้าใช้รูปแบบอื่น model card เตือนว่าผลอาจแย่ลงหรือไม่สม่ำเสมอ
• โมเดลนี้ไม่ได้ทำ retrieval เอง คุณต้องเตรียมข้อความจากเปเปอร์มาให้ Ai2 ปล่อยตัวอย่าง workflow สำหรับสร้างรายงานจาก PDF ของคุณเองไว้ให้เริ่มต้น
• รองรับเฉพาะ ภาษาอังกฤษ ตามที่ model card ระบุ

มุมมอง AI Curator

ส่วนที่มีค่าที่สุดของ AstaBrief คือคำยืนยันจากของจริงว่า “งาน RAG เฉพาะทางที่มีโครงสร้างชัดเจน โมเดล 8B ที่ฝึกดีๆ ก็เพียงพอ” และตัวแปรสำคัญคือคุณภาพของข้อมูลหลังเทรน ไม่ใช่ขนาดโมเดลหรือการทำ RL ที่ซับซ้อน สัญญาณที่ใช้ได้จริงที่สุดยังเรียบง่ายมาก นั่นคือ “ตัวอย่างนี้อ้างอิงครบไหม” ทีมที่กำลังสร้างระบบถาม-ตอบเอกสารภายในองค์กรเอาวิธีนี้ไปใช้ได้ทันที คือใช้โมเดลใหญ่สร้างคำตอบที่มีอ้างอิง คัดตัวอย่างที่อ้างอิงน้อยทิ้ง แล้ว distill ลงโมเดลเล็กที่รันในเครื่องตัวเอง

สำหรับมหาวิทยาลัยและหน่วยงานวิจัยในไทย ประเด็นที่ Ai2 พูดไว้ตรงจุดคือคำถามวิจัยมักเปิดเผยงานที่ยังไม่ตีพิมพ์ การส่งคำถามเหล่านี้ไปยัง API ต่างประเทศจึงมีความเสี่ยงจริง โมเดล Apache-2.0 ขนาด 8B ที่รันบนเครื่องของคณะได้เลยจึงตอบโจทย์นี้ได้ดี ข้อจำกัดคือรองรับแค่ภาษาอังกฤษ ซึ่งใช้ได้กับวรรณกรรมวิชาการเกือบทั้งหมด แต่ถ้าจะให้เขียนรายงานเป็นภาษาไทยคงต้องฝึกต่อเอง

ข้อสังเกตที่ควรรู้คือ ข้อมูลเทรนสร้างจาก output ของ Claude, o3 และ GPT-4.1 แม้ตัวน้ำหนักโมเดลจะเป็น Apache-2.0 แต่ถ้าองค์กรของคุณจะเอาชุดข้อมูลไปเทรนโมเดลเชิงพาณิชย์ต่อ ควรอ่านเงื่อนไขการใช้งานของผู้ให้บริการต้นทางก่อน เพราะไลเซนส์ของโมเดลไม่ได้ครอบคลุมเงื่อนไขเหล่านั้นให้

แหล่งข่าว

• Open-sourcing AstaBrief, the fast report-generation model in Asta — Ai2 (Hugging Face Blog)
• allenai/AstaBrief_8B — Hugging Face model card
• allenai/AstaBrief_DPO_Mix — ชุดข้อมูล DPO