'서구 가치'로 다시 훈련한 중국 모델 등장…누스리서치 아레테-27B, 선전 응답률 22%→1%
X 첫 글 37시간 전@NousResearch ♥ 1,765조회 2
"모델 안의 가치는 미세조정 한 번이면 바뀐다." 누스리서치(Nous Research)가 7일 올린 소개 글이 하루도 안 돼 좋아요 2200여 개, 조회 6만4000회를 넘겼다. 알리바바의 큐웬3.8-27B를 '서구 가치를 강화하도록' 다시 훈련한 '아레테-27B(Arete-27B)'다.
누스리서치에 따르면 중국 공개 모델은 가장 강한 축에 속하지만 국가 성향의 응답이 가중치에 들어 있다. 연구진은 표현의 자유, 민주주의, 프라이버시 등 7개 범주 프롬프트 803개로 평가를 만들어 모델이 중국 공산당 입장을 따르는 비율을 쟀다. 약 5300만 토큰으로 미세조정하자 이 '선전 응답률'이 22%에서 1%로 떨어져 비교한 서구 모델 수준이 됐고, 헤르메스 벤치(Hermes Bench) 점수에는 뚜렷한 손해가 없었다고 한다. 평가 자료, 가중치, 훈련 데이터는 공개됐다.
블로그는 미국 정부가 딥시크 등 중국 모델의 연방 사용을 제한했다는 배경을 들면서, 프런티어 연구소들도 서로 비슷한 세계관을 갖고 정치적 편향을 보인 적이 있다고 짚었다. 한 이용자가 "모델의 정치 성향을 바꾸는 데 5300만 토큰이면 예상보다 훨씬 적다"고 쓰자 누스리서치는 "중국 정렬 모델의 편향 층은 얕고 훈련 후반에 얹힌다는 것이 우리 연구 결과"라고 답했다. 이 수치는 누스리서치가 자체 설계한 평가에 따른 것이며 외부 검증은 아직 없다.
“Introducing Arete-27B: Qwen3.8-27B, post-trained to reinforce Western values.”
