北京
Nous Research 把阿里巴巴的 Qwen3.8-27B 拿去做了一次后训练微调，方向很明确：强化西方价值观。结果是一个叫 Arete-27B 的模型，政治宣传率从 22% 掉到了 1%。
为了衡量这件事，他们先搭了一套评估基准，包含 803 个提示词，覆盖言论自由、民主等七大类。微调投入了 5300 万 token，之后模型在这套基准上的政治宣传率断崖式下降，按 Nous Research 的说法，已经达到主流西方开源模型的水平。
更值得看的是代价有多小。在 Hermes Bench 测试中，这次微调只是极小程度影响了推理与代码生成能力，Qwen3.8-27B 原本的基础性能基本被保住了。换句话说，改的是价值观倾向，不是把模型改傻。
Nous Research 自己总结了一句话：“the values in an open model are one fine-tune away”——一个开源模型的价值取向，距离一次微调而已。这句话也是整件事的核心结论：开源模型的价值观可以通过单次微调实现本地化，全球开发者手里多了一个可复制的去偏见范例。
把这条路径拆开看，逻辑并不复杂：先定义要测什么，用 803 个提示词把“政治宣传”变成可量化的比率；再用 5300 万 token 的微调去压这个比率；最后用 Hermes Bench 确认基础能力没有跟着一起被削掉。三步里，评估基准是前提，能力保持是底线。
对做模型后训练的人来说，这个案例的价值不在 1% 这个数字本身，而在于它演示了一套流程：偏见可以被测量，也可以被一次微调改写，同时不必牺牲推理和代码能力。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
