アレンAI研究所、科学レポート生成に特化したオープンモデル「AstaBrief 8B」を公開——独自パイプラインで3.5倍の高速化を実現

要点

• アレン人工知能研究所（Ai2）は2026年10月2日、科学文献の調査と引用付きレポート生成に特化したオープンウェイトモデル「AstaBrief 8B」を公開した。

• ベースモデルにQwen3-8Bを採用し、強化学習を避けて教師あり微調整（SFT）と直接選好最適化（DPO）によるデータ品質重視の学習パイプラインを構築した。

• 文献抜粋からレポートを一括生成する新設計により、プラットフォーム全体の生成時間を従来の商用モデル比で約3.5倍高速化した。

• 機密性の高い未発表研究を扱う機関向けにモデル重みと訓練データを無償公開し、ローカル環境でPDFからレポートを作成するコードも提供している。

• 米国の非営利研究機関であるアレン人工知能研究所（Ai2: Allen Institute for AI）は2026年10月2日、科学研究向けレポート生成モデル「AstaBrief 8B」をオープンソースとして公開した。本モデルは、科学文献の検索やエビデンス統合を行う同所のエージェントプラットフォーム「Asta」に「Fast mode（高速モード）」として実装されている。

• あわせてモデルの重み（パラメータデータ）や訓練データセット、研究者が手元のPDFファイルからローカル環境でレポートを生成できるサンプルワークフローが公開された。

科学研究における長文統合の課題と開発の背景

言語モデルは文献調査やエビデンスの統合に広く活用され始めているが、科学研究の現場では一般的なタスクと異なる厳格さが求められる。出力される回答が提示された根拠に正確に基づいていることや、元の論文の結論を勝手に拡大解釈しないこと、そして研究者自身が出典を容易に検証できることが不可欠となる。

Ai2が運営する科学研究支援プラットフォーム「Asta」の利用動向からも、研究者が単なるキーワード検索にとどまらず、特定の手法・調査対象・環境条件などを指定した複雑な条件付きクエリを投じている実態が明らかになっていた。さらに、生成されたレポートを一時的な回答ではなく、継続的な研究作業の成果物として後から再利用するケースも多い。

こうした背景から、Ai2は商用の独自モデルに依存せず、研究者が自前でダウンロードして実行可能な小型のオープンモデルにより、同等以上の品質を維持しながら生成時間と運用コストを大幅に削減できるかの検証を進めてきた。

ワンパス生成パイプラインによる高速化

AstaBrief 8Bは、オープンな大規模言語モデルである「Qwen3-8B」をベースとして開発された。研究上の問いと検索された文献の抜粋を入力とし、引用文献が付与された完全なレポートを出力する。

開発にあたっては、生成速度の向上を目的としてレポート作成パイプラインの再設計が行われた。従来のシステムで一般的だったセクションごとの逐次生成や、中間段階での文献要約処理を省き、クエリと文献スニペットから最終レポートを1回の処理で直接出力する「ワンパス生成」を採用している。

この効率化により、Astaのプラットフォーム全体におけるレポート生成時間は1件あたり平均51.1秒を記録した。これは、Claudeをバックエンドに用いた従来の「Thinking mode」の平均178.5秒と比較して約3.5倍の高速化にあたり、生成時間の大幅な短縮を達成したとしている。

データ品質を最優先した学習アプローチ

モデルの訓練方針において、Ai2は強化学習（RL）を用いない手法を選択した。同所の先行研究「DR Tulu」などでは強化学習による長文生成性能の向上が示されていたものの、RLベースの訓練は動作が不安定になりやすく、計算コストも高大になりがちであるという課題があった。

そこでAstaBriefでは、システムの複雑化を避け、デバッグや改良が容易で運用負荷の低い手法として、教師あり微調整（SFT: 正解データを与えてモデルを調整する手法）と直接選好最適化（DPO: 人間の好みに合わせて出力を調整する学習手法）を中心とするシンプルな枠組みを採用した。

最適化手法の複雑さでデータの不備を補うのではなく、学習データの品質向上に開発資源が集中された。数万件規模の実際の研究クエリを収集した上で、引用の正確性に焦点を当てた厳格なフィルタリングと選好データの選定を行い、理想的なレポート記述動作を直接学習させている。

オンプレミス環境への対応とオープンサイエンスの推進

オープンウェイトとして公開されたことにより、各研究機関は自前の計算インフラ上でAstaBriefを実行できる環境が整った。これにより、外部APIへのデータ送信が制限される機密情報や、特許出願前の未発表研究を扱う研究者でも安全にレポート生成機能を活用できるようになる。

また、本取り組みはAi2が主導する全米科学財団（NSF）の支援プログラム「NSF OMAI」とも連携している。同プロジェクトは科学的発見のための完全オープンなAIインフラとモデルの構築を目指しており、今回の成果は科学分野特有の需要に応えるオープンモデル開発の先例として位置づけられている。なお、今回の訓練と評価の多くは2025年時点のフロンティアモデルを基準に実施されたものであると説明されている。

補足

AstaBrief 8Bのモデル重みおよび関連データセットはHugging Face上で提供されており、ローカル実行用の連携ライブラリはGitHub上で入手可能となっている。