معرفی مدل هوش مصنوعی Arete-27B؛ کاهش چشمگیر تبلیغات سیاسی در پاسخ‌ها

تیم Nous Research با انتشار مدل جدید Arete-27B، گامی مهم در جهت کاهش سوگیری‌های سیاسی و پروپاگاندا در مدل‌های زبانی متن‌باز برداشته است. این مدل که یک نسخه «Fine-tune» شده از مدل Qwen3.8-27B شرکت Alibaba است، به‌طور اختصاصی برای حذف چهارچوب‌های ایدئولوژیک دولتی طراحی شده است.

طبق ارزیابی‌های انجام شده توسط Nous Research، مدل پایه Qwen حدود ۲۲ درصد پاسخ‌های حاوی جهت‌گیری سیاسی یا تبلیغات حکومتی تولید می‌کرد که در مدل Arete-27B این رقم به ۰.۹ درصد کاهش یافته است. این تغییرات بدون نیاز به استفاده از روش‌های یادگیری تقویتی (RL) یا تغییر در ساختار معماری مدل، و تنها از طریق آموزش نظارت‌شده (SFT) با استفاده از داده‌های آموزشی باکیفیت و بی‌طرف صورت گرفته است.

نکته قابل توجه این است که با وجود اعمال این تغییرات، توانایی‌های عملیاتی و هوشمندی مدل حفظ شده است. بر اساس بنچمارک‌های ارائه شده، عملکرد این مدل در انجام وظایف تخصصی تغییر چندانی نداشته و حتی در برخی تست‌های خاص، بهبودهای جزئی مشاهده شده است. این مدل ۲۷ میلیاردی (27B) برای اجرا بر روی کارت‌های گرافیک مصرف‌کننده ۲۴ گیگابایتی بهینه‌سازی شده و وزن‌های آن، داده‌های آموزشی و اسکریپت‌های ارزیابی به‌صورت کاملاً متن‌باز و با مجوز Apache 2.0 در دسترس قرار گرفته‌اند.

Nous Research در آموزش این مدل از یک معلم (Teacher) متن‌باز به نام Inkling استفاده کرده تا از محدودیت‌های استفاده از مدل‌های تجاری جلوگیری کند. برای ارزیابی میزان کاهش پروپاگاندا، از ۸۰۳ پرسش در ۷ دسته‌بندی مختلف (مانند آزادی بیان و حریم خصوصی) استفاده شد که در آن هر پاسخ توسط مدل Grok 4.7 بر اساس فکت‌های علمی و میزان سوگیری بررسی شد.

توسعه‌دهندگان اکنون می‌توانند این مدل را از طریق پلتفرم Hugging Face دانلود کنند و نسخه‌های فشرده (GGUF) آن نیز برای اجرا در محیط‌هایی مانند LM Studio و Ollama در دسترس کاربران قرار گرفته است. این پروژه نشان می‌دهد که چگونه می‌توان با رویکردهای مهندسی هوشمند، بدون تغییرات گسترده در معماری اصلی، خروجی‌های مدل‌های زبانی را برای نیازهای متنوع و بی‌طرفانه‌تر تنظیم کرد.