Arete-27B显示模型价值观可被小规模后训练显著改写

Nous Research以阿里Qwen3.8-27B为底座，用约5万组样本、5280万词元和1202步监督微调训练Arete-27B，开放27B参数权重、训练数据与803题评测集。开发者报告：关闭思考后，被其量表判为含宣传框架的回答从22%降至0.9%，事实得分从2.32升至2.98；Hermes Bench基本持平，Terminal-Bench从67%到70%。这些数字使用Nous自定的“西方价值”分类和Grok 4.7裁判，并非独立中立认证；更重要的结论是，强模型的政治行为能被相对少量后训练快速改写，也能向相反方向改写。