Nous Research udostępnił Arete-27B, model językowy poddany treningowi pozycyjnemu, zbudowany na bazie Qwen, co firma opisuje jako próbę wzmocnienia wartości zachodnich na foundation wytrenowanym na danych chińskich. Najważniejszy wynik: wskaźnik propagandy modelu spadł z 22% do 1% bez istotnego spadku ogólnej wydajności.

Nazwa nie jest przypadkowa. Arete, zapisywane po grecku jako ἀρετή, to klasyczne pojęcie doskonałości i cnoty — a konkretnie pełna realizacja najwyższego potencjału danej rzeczy. Dla Nous Research to zarazem deklaracja intencji.

Co faktycznie zrobił Nous Research

Qwen to rodzina otwartych modeli językowych Alibaba, szeroko wykorzystywana jako baza do dostrajania w społeczności open-source. Modele są sprawne i dostępne bezpłatnie, co czyni je atrakcyjnym punktem wyjścia dla deweloperów. Niosą jednak mierzalne skłonności ideologiczne, wbudowane podczas pre-treningu na danych chińskich — stąd pochodzący od bazowego modelu wskaźnik propagandy wynoszący 22%.

Nous Research zastosował trening pozycyjny — termin techniczny obejmujący nadzorowane dostrajanie oraz etapy uczenia ze wzmocnieniem przeprowadzane po wstępnym treningu modelu — aby skorygować te skłonności. Firma określa ten proces jako dopasowanie wartości, a kierunek jest tu wprost określony: ograniczyć odpowiedzi zgodne z chińskimi narracjami państwowymi i przesunąć je w stronę zachodnich norm liberalnych.

Dla licznych zespołów ze społeczności open-source, które startują z checkpointów Qwen przy budowie własnych aplikacji, ten wynik jest bezpośrednio istotny: pokazuje, że ideologiczne skłonności odziedziczone z pre-treningu można adresować na etapie treningu pozycyjnego, zachowując — zgodnie z podanymi danymi — ogólną wydajność.

Pozycja Nous Research w krajobrazie open-source AI

Firma jest najbardziej znana z serii otwartych modeli Hermes, które zyskały popularność w społeczności open-source dzięki jakości wykonywania instrukcji i mniejszej liczbie odmów w porównaniu z bardziej restrykcyjnymi rozwiązaniami komercyjnymi. Arete wykorzystuje ten sam zestaw narzędzi treningu pozycyjnego w innym celu: zamiast redukować odmowy, kieruje treść ideologiczną odpowiedzi modelu.

Nous Research pozyskał — według doniesień — 50 mln dolarów w ramach Serii A w kwietniu 2025 roku, a następnie kolejną rundę finansowania wartą podobno 90 mln dolarów. Firma konsekwentnie działa w obszarze otwartych wag, udostępniając modele, na których konkurenci i niezależni deweloperzy mogą bezpośrednio budować swoje rozwiązania.

Oznaczenie „27B" odpowiada standardowej konwencji dla modeli o około 27 miliardach parametrów — klasy rozmiarowej szeroko przyjętej w społeczności open-source, gdzie checkpointy Qwen są często używane jako punkt wyjścia do własnego dostrajania. Biorąc pod uwagę, jak szeroko te checkpointy krążą, kolejną rzeczą wartą obserwacji jest to, czy podobne procesy dopasowania wartości zostaną przejęte przez inne zespoły adaptujące chińskie modele bazowe dla własnych odbiorców.

Źródło: CryptoBriefing. Ten materiał opiera się na oryginalnym reportażu pod redakcją Diego Almada Lopeza.