標籤 模型對齊

Nous Research 以 Qwen3.8-27B 為底座推出 Arete-27B：803 題價值議題評測中，採納中國官方敘事的回答從 22% 降到 0.9%，事實平均從 2.32 升到 2.98，一般能力基準沒有明顯退步。權重採 Apache 2.0，評測題組、裁判規則與 28,886 筆訓練樣本全部公開，這篇拆解每個數字的測量條件與還不能下的結論。