Propaganda nélküli válaszokat ad az új nyílt súlyú Arete-27B

A Nous Research kiadta az Arete-27B modellt, amely az Alibaba Qwen3.8-27B modelljének felügyelt finomhangolt (SFT) változata. A modell célja, hogy eltávolítsa a kínai állami szemléletet a Qwen válaszaiból. A Nous saját, 803 promptból álló tesztjén a propagandát tartalmazó válaszok aránya 22%-ról 0,9%-ra csökkent – írja a MarkTechPost.

Hogyan készült a modell

Az Arete-27B mindössze felügyelt finomhangolással készült, megerősítéses tanulás (RL) és preferenciaoptimalizálás nélkül, az architektúra változatlan. A tanításhoz körülbelül 52,8 millió tokent használtak 64 ezres kontextushossszal, 1202 lépésben. A tanítómodell az Inkling volt, a Thinking Machines nyílt modellje; a Nous azért választotta, hogy elkerülje a desztillálás felhasználási feltételeinek korlátait. Az Nvidia Nemotron 3 Ultra modellt a Nous a Kínával kapcsolatos témákban mutatott gyenge eredmények miatt elvetette.

A tanítóadat-készlet 34 878 utasítást tartalmaz hét témakörben, és a Nous eltávolította az összes olyan tanítóutasítást, amely átfedésben volt az értékelő készlettel. Az értékelés és a tanítóadatok egyaránt nyilvánosak; az értékelő készlet MIT licencű.

Mit mutatnak a mérések

A Nous saját mérései szerint a tényszerűségi pontszám 2,32-ről 2,98-ra (öt pontból) emelkedett, a propagandát tartalmazó válaszok aránya pedig 22%-ról 0,9%-ra csökkent. A nulla pontot kapott válaszok száma 359-ről 216-ra esett a 803 kérdésből. A legnagyobb változás a véleménynyilvánítás szabadsága témakörben történt: a propaganda aránya 60%-ról 1%-ra csökkent.

A képességek a Nous tesztjein is megmaradtak: a Hermes Bench 65,77%-ról 65,60%-ra változott, amit a Nous zajnak tekint. A Terminal-Bench-2.1 eredménye a Nous keretrendszerében 67%-ról 70%-ra nőtt, de ezt a javulást a Nous nem tulajdonítja magának.

A tényszerűségi pontszám továbbra is alacsony: a válaszok 27%-a nullát kapott. Az összehasonlításban a Muse Glimmer 30B tényszerűségi pontszáma 3,02, a Gemma 4 31B-é 2,58, míg a Qwen3.8-27B-é 2,32 volt.

A modellsúlyok Hugging Face-en érhetők el BF16 formátumban, a BF16 változat 53,81 GB-os. A közösség által készített Q4_K_M kvantált változat 17,20 GB, így 24 GB-os fogyasztói GPU-n is futtatható. Egyelőre egyetlen hosztolt szolgáltató sem kínálja a modellt, de a llama.cpp, az LM Studio és az Ollama támogatja a közösségi GGUF-változatokat.