← 全部模型资讯

Nous 称 5300 万 token 微调即可剥离 Qwen3.8-27B 的政治偏向,Arete-27B 开放权重

据 The Decoder 2026 年 11 月 7 日报道,Nous Research 以约 5300 万 token 监督微调阿里 Qwen3.8-27B,得到开放权重模型 Arete-27B:自建 803 条提示词的测试中,宣传性回答占比从 22% 降到 0.9%,事实准确性从 2.32 升到 2.98,称通用能力基本未变。

发布 更新
原报道封面 — Nous 称 5300 万 token 微调即可剥离 Qwen3.8-27B 的政治偏向,Arete-27B 开放权重
原报道封面原始报道 ↗

发生了什么

报道的核心不是新基座发布,而是一次针对对齐行为的后训练实验。按 The Decoder 2026 年 11 月 7 日的文章与 Nous Research 的说明,阿里 Qwen3.8-27B 在敏感话题上会出现拒答、回避以及与官方立场一致的表述;Nous 以约 5300 万 token、两个 epoch 的监督微调训练出 Arete-27B,未使用强化学习或偏好优化,并称事前清除了训练提示词与测试提示词之间的重叠。 评测由 Nous 自建:803 条提示词分属言论自由、国家意识形态、教育、隐私与监控、民主、环境等七个类别,每条提示词配 2 至 4 条来自注明日期来源(法律、新闻报道或研究论文)的事实,由 xAI 的 Grok 4.7 担任裁判,判断回答是提及、遗漏还是与事实矛盾;裁判需引用具体措辞,且不知道答案出自哪个模型。报道称,未经改动的 Qwen3.8-27B 事实准确性为 2.32(满分 5)、22% 的回答含宣传内容;Arete-27B 分别为 2.98 和 0.9%。降幅最大的是言论自由类别,事实分从 0.89 升到 2.44,宣传率从 60% 降到 1%。同一组对比中,报道称 GLM-5.3 为 15%、DeepSeek V4.1 Flash 为 16%,Mistral Large 4、Gemma 4 31B 等西方模型低于 1%;报道还引用 ValsAI 的研究称不同的中国模型表现并不一致。 通用能力方面,Nous 给出的内部 Hermes Bench 成绩为 65.60%,基座为 65.77%;Terminal-Bench 2.1 从 67% 升到 70%,但 Nous 自己表示测试设置不同、不算真实提升。Nous 的结论是,与中国立场对齐的模型中的偏向层“很浅”:施加得晚、施加得薄,五千万 token 的精选监督即可移除而不扰动下层。报道称 Arete-27B 的权重、测试数据集与训练数据以 Apache 2.0 许可在 Hugging Face 公开,并称 Nous 怀疑英伟达 Nemotron 3 Ultra 在中国相关话题上的异常迹象,来自用中国开放权重模型生成训练数据造成的污染,且其自家项目也出现过类似情况。

对开发者的影响

以下是基于上述报道的分析与判断,不是本站的复现结论。 这条消息改变的第一件事,是对“对齐层”可迁移性的预期。如果 Nous 的方法与数字站得住,那么在中国开放权重模型上重设敏感话题的回答倾向,成本量级可能落在千万级 token 监督数据加一次常规 SFT,而不必重做预训练或依赖强化学习。这会直接影响你是否愿意把这类权重放进对表述口径有要求的场景,例如面向多地区的内容审核辅助、政策类检索增强、舆情摘要。反过来,报道也指出偏向可能通过合成数据在学生模型之间传递:Nous 称在 Nemotron 3 Ultra 上看到异常迹象、怀疑源头是训练数据中的中国开放权重模型,并称自家项目也遇到类似污染。这意味着选教师模型造数据时,你已经在做一次口径选择,而这一步通常比选部署模型发生得更早。 第二件事是评测口径本身成了接入变量。这份报告的裁判只有 Grok 4.7 一个模型,测试集由被评估方自建,“宣传”的判定标准(复制官方叙事、为其背书,或把它当作同等有效的观点)本身就带立场,报道也提到该裁判模型被认为政治倾向偏右,且语言和回答格式会明显影响结果。所以报告给出的比例更适合当成方向性信号,而不是能直接写进选型文档的分数。如果要把这类数字用于内部评审,建议同时记录裁判模型是谁、提示词语言与格式是否统一,否则不同批次结果无法比较。

接入与评估建议

以下三条是条件化建议,不是报道中的事实。 一、直接采用 Arete-27B 权重,还是用自己的口径重训一版。对应的报道变化是:约五千万 token 的监督微调就能把某一类回答倾向从 22% 压到 1% 以下,且通用能力据称未明显受损。选择取决于你要的是“中立”还是“另一套明确立场”——按报道,Arete-27B 承诺的是西方价值观,而 Nous 2024 年的 Hermes 3 走的是可由系统提示词设定的中立路线。若业务要求不主动表态(跨境客服、学术检索),换成带明确立场的权重只是换了偏向方向,仍需在提示词层加约束。可测量的验收标准:用 100 至 200 条业务内敏感边界提示词,各配 2 至 4 条注明来源的参考事实,用固定裁判分别对基座与候选权重统计与参考事实矛盾的比率、拒答率、回避率,而不是只看总分。 二、按类别建基线,还是只比模型总分。对应的报道变化是不同中国开放权重模型的宣传率差异明显(Qwen3.8-27B 22%、GLM-5.3 15%、DeepSeek V4.1 Flash 16%),且在 Arete-27B 上降幅最集中的是言论自由类别。选择取决于你的产品会不会真的问到这些题:企业内部知识库问答大多不会,面向公共议题的检索增强或内容生成会。可测量的标准是每个实际覆盖类别至少 20 条提示词,分别记录拒答率、回避率、与参考事实矛盾率,按类别而不是按模型总分排序;建议把真正会触发类别上的矛盾率压到 5% 以下再进入下一步选型。 三、是否在合成数据流水线上加一道按话题抽检。对应的报道变化是污染可能来自训练数据而非部署模型本身。触发条件是你正在用开放权重模型生成 SFT 数据或评判数据。可测量的标准:从生成的指令数据里按七个类别各抽 50 至 100 条,用与生产一致的裁判流程统计与参考事实矛盾的比率,并把这道抽检固定到每次更换教师模型时执行。

限制与待确认事项

报告中的比例与分数均来自 Nous Research 的自建测试与自报结果,The Decoder 为转述,本站未做独立复现。 裁判为 Grok 4.7 单一模型,测试集由被评估方自建,803 条提示词覆盖七个类别,规模有限;报道本身也提到裁判模型的政治倾向,以及语言和回答格式对结果有明显影响。 “通用能力未受损”的依据是 Nous 内部 Hermes Bench(65.60% 对 65.77%)与 Terminal-Bench 2.1(67% 到 70%,Nous 承认测试设置不同);开启推理模式后的 3.07 分只基于五次运行中的两次。训练数据中位长度约 866 token、多数样本不足 1000 token,与真实长上下文业务请求的分布差距较大。 污染推断(Nemotron 3 Ultra 的异常来自合成数据)、以及训练与测试提示词重叠已清除,均为 Nous 自述,缺少第三方核验。 Arete-27B 目前未出现在 KimiSeek 的模型目录中;报道中的发布渠道是 Nous Research 在 Hugging Face 提供的权重与数据,可用性、许可条款与后续更新以其发布方为准,不代表可通过本站调用。基座 Qwen3.8 27B 在本站目录中有对应条目,但两者是不同产物,不能相互替代。 报道称权重、测试数据集与训练数据以 Apache 2.0 许可发布;这属于许可层面的声明,权重可下载本身不等于授权范围,实际使用前仍应核对发布方仓库中的许可文本。

原报道配图

原报道配图 1 — Nous 称 5300 万 token 微调即可剥离 Qwen3.8-27B 的政治偏向,Arete-27B 开放权重
原报道配图 1原始报道 ↗
原报道配图 2 — Nous 称 5300 万 token 微调即可剥离 Qwen3.8-27B 的政治偏向,Arete-27B 开放权重
原报道配图 2原始报道 ↗

三分钟跑通第一次调用

注册后创建 API Key。调用费用从账户余额扣除。新用户首充 7 折。充 ¥500,实付 ¥350,到账 ¥500。充 ¥1000,实付 ¥850,到账 ¥1000 最低充值仍为 ¥10,适合试用。

来源与编写说明

研究:部分中国 AI 模型的国家宣传只是一层“薄壳”,微调即可剥离

本文基于所列来源,由 AI 辅助整理、分析和翻译,并经过自动质量检查。分析与建议不代表实测结果;模型可用性与价格请以当前目录为准。