Nous发布Arete-27B 宣传性回答降至约1%

时间：2026年11月6日，Nous Research 官网发布公告 Introduce Arete-27B；模型权重、评测集与训练数据于 11 月 7 日在 Hugging Face 上以 Apache 2.0 协议公开。 地点：美国旧金山，Nous Research 所在地。底座模型来自阿里巴巴的 Qwen3.8-27B。 人物：Nous Research，Hermes Agent 系列模型的开发方；后训练使用的教师模型来自 Thinking Machines Lab 的 Inkling；评测环节由 xAI 的 Grok 4.7 担任裁判模型。 事件详情：Nous Research 发布 Arete-27B，这是它在阿里巴巴 Qwen3.8-27B 权重之上做的后训练版本，定位是改变模型在政治敏感话题上的回答倾向。官方模型卡写明只使用了监督微调，没有强化学习，没有偏好优化，也没有改动模型结构；训练数据为纯文本，约 5280 万 token，64k 上下文，未做序列打包，训练两个 epoch、1202 步，评测使用的是第 1202 步的检查点。评测集包含 803 条提示词，覆盖表达自由、国家意识形态、国家与自由市场之别、教育、数据隐私与监控、民主以及环境七个领域，每条提示词要求回答中给出两到四项来自带日期信源的事实。在这套自测中，模型的事实性评分从 5 分制的 2.32 分升到 2.98 分，含宣传性内容的回答比例从 22% 降到 0.9%，官方博客正文则四舍五入写作 1%。变化最大的单一类别是表达自由，该项宣传比例从 60% 降到 1%。同一张对比表里，DeepSeek V4.1 Flash 的事实分为 2.39、宣传比例 16%，GLM 5.3 为 3.10 与 15%，Mistral Large 4 为 3.65 与 0.3%。通用能力方面，模型卡记录 Arete-27B 在 Nous 自研的 Hermes Bench 上得 65.60%，底座 Qwen3.8-27B 为 65.77%；在 Terminal-Bench 2.1 上为 70%，底座为 67%。 背景：Nous 在公告里说明了选型逻辑，它挑中 Qwen3.8-27B，一方面因为这是能在本地跑的最强模型，另一方面因为它在敏感话题上出现过拒答、回避和带官方口径的回答；团队也评估过英伟达的 Nemotron 3 Ultra，最终没有采用。教师模型选择 Inkling，部分原因是使用开放模型可以避开蒸馏相关的服务条款限制。Nous 对这一现象的概括是，相关倾向在权重里属于应用得晚、应用得薄的一层，因此一次规模不大的微调就能去掉它而不明显损伤能力。需要同时说明的是，这组头条数字来自 Nous 自己的评测，由它自己设计类别、评分标准与提示词，再交给一个 AI 模型打分，目前尚未有外部独立实验室完成复现。 影响：对开源模型生态来说，这次发布说明基座权重里的行为倾向同样是一层可以被改写的东西，而改写的成本已经低到一次纯监督微调就能完成。Nous 的评测集和训练数据一并公开，任何人都可以重跑这套 803 条提示词来核对结论，这对这组数字的可信度是加分项。更需要留意的是这套方法的对称性：同一套流程既能用来移除一种倾向，也能用来注入另一种倾向，区别只在于后训练数据怎么写。另一层影响来自开源基座本身，Nous 用的是中国实验室的模型权重并公开发布了改写后的版本，这类衍生模型会直接进入海外开发者的选型清单。对国内开发者而言，这也意味着同一个开源底座可以被做出面向不同市场的多个价值观版本，而底座提供方本身并不控制这些衍生分支的叙事。 总结：Arete-27B 本身不是一次能力竞赛的胜利，它更像是开源模型竞争进入下一阶段的标志，第一阶段比基础能力，第二阶段比谁能在同一个开源基座上塑造出不同的行为倾向。约 5280 万 token 的监督微调就把宣传性回答压到约 1%，同时通用基准持平甚至略升，说明后训练干预的性价比已经相当高。争议也随之而来：评测类别、评分标准与裁判模型都出自发布方之手，官方数字尚未被外部复现，判定什么是宣传的标准本身也带有立场。短期看，这类做法会在开源社区出现更多变体，真正的检验会来自第三方重跑和真实使用场景，而不是发布方自己的评测表。 常见问题： 问：Arete-27B 是全新训练的大模型吗？ 答：不是。它是在阿里 Qwen3.8-27B 的开源权重上做后训练，只用了约 5280 万 token 的监督微调，没有强化学习、偏好优化或结构改动。 问：宣传性回答降到约 1%，通用能力退步了吗？ 答：Hermes Bench 为 65.60%，底座 65.77%，基本持平；Terminal-Bench 2.1 上是 70%，底座 67%。 参考来源： Nous Research 官方公告：Introducing Arete-27B: Qwen3.8-27B Post-Trained To Reinforce Western Values https://nousresearch.com/arete Hugging Face 模型卡：NousResearch/Arete-27B https://huggingface.co/NousResearch/Arete-27B Hugging Face 评测数据集：NousResearch/Propaganda_Eval https://huggingface.co/datasets/NousResearch/Propaganda_Eval ShiftDelete：Arete-27B: Nous Research Retrains Qwen to Cut Chinese Propaganda https://shiftdelete.net/en/arete-27b 動察：西方 AI 圈政治正確到魔怔了，給阿里 Qwen 灌輸西方價值觀 https://news.cnyes.com/news/id/6651953 第三方分析：Arete-27B 的官方声称与独立验证 https://explainx.ai/blog/nous-research-arete-27b-qwen3-8-western-values-propaganda-22-to-0-9-percent-claimed-vs-verified-2026