Arete-27B 展現針對 Qwen 的重新調校成果

針對性重新調整改變 Qwen 的回答傾向

Nous Research 發布 Arete-27B 顯示，針對性微調可以在不重建架構、也不在 Nous 進行的測試中造成明顯能力退化的情況下，實質改變現有開放權重 Qwen 模型處理政治敏感問題的方式。該開發商的內部評估發現，被歸類為採納中國政府官方立場的回答，Qwen3.8-27B 佔 22%，Arete-27B 則佔 0.9%，減少 21.1 個百分點。

此結果顯示額外訓練的效果，但不能證明 resulting 模型在政治上保持中立。這項評估衡量的是對某一特定官方立場的採納情況；它無法證明其他形式的偏見已被消除，也無法證明該模型整體上更為誠實。

微調保留了大多數經測量的能力

Arete-27B 是一款以 270 億參數的稠密模型，建立於阿里巴巴的Qwen3.8-27B，透過監督式微調進行。我們使用開放的 Inkling 教師模型，在兩個訓練 epoch 中生成的約 5,280 萬個 token。公司表示未進行強化學習、偏好最佳化或架構變更；由於訓練資料僅含文字，視覺編碼器也維持凍結狀態。

此模型依 Apache 2.0 授權散佈。MarkTechPost 報導，其社群提供的 Q4_K_M 量化版本為 17.20 GB，適合配備 24 GB 記憶體的消費級 GPU，為本機部署提供了一項實用途徑。

在 Nous 的 Hermes Bench 中，Arete-27B 得分為 65.60%，基礎模型則為 65.77%。Nous 將此差距形容為雜訊。模型卡另指出 Terminal-Bench-2.1 的結果為 70%，基礎模型為 67%，但因測試設定不同，並未宣稱有所改善。

事實涵蓋度有所改善，但仍然有限

在 Nous 對 803 題英文題目的評估中，每個模型各執行五次，Arete-27B 的事實分數由滿分五分中的 2.32 升至 2.98。事實分數為零的答案從 359 題降至 216 題。變動幅度最大的類別是言論自由，事實分數由 0.89 升至 2.44，而採取官方立場的比例則從 60% 降至 1%。

這些數據顯示，在 Nous 的評分準則下，模型重現必要事實的能力有所提升，但不代表整體事實準確度提高。MarkTechPost 報導，803 個答案中仍有 216 個獲得零事實分數；來源評估也明確提醒，較低的官方立場採取率並不表示模型能準確解釋幾乎所有事實。

可供檢視的評估仍需外部測試

Nous 公開了訓練後的權重、訓練資料、評估提示詞與評分腳本，讓研究人員得以檢視或重新執行比較。評估在固定設定下使用 Grok 4.7 作為自動裁判：停用推理模式、溫度設為零，最大輸出長度為 32,000 個 token。803 個提示詞涵蓋七個政治與社會議題，每個提示詞包含兩至四項必要事實。

由於評分由 AI 模型依開發人員制定的準則執行，這些結果尚未由第三方獨立重現。近期首要的驗證項目是：採用不同裁判與評分規則的獨立評估，是否能在未明顯降低一般能力的情況下，重現官方立場採取比例的變化。

經審閱的報導揭露了模型發布與可下載的研究成果，但並未確立客戶採購、商業部署或開放原始碼流程。

產業與產品意涵