Лаборатория Nous Research взяла открытую модель Qwen3-27B от Alibaba и превратила её в Arete-27B — версию без встроенного провластного уклона. По результатам тестов команды, доля «пропагандистских» ответов упала с 22% до менее 1%. Инструмент — контролируемый файн-тюнинг на 53 миллионах токенов размеченных данных. Базовые показатели качества рассуждений и знаний при этом не деградировали.
Контекст
Qwen — семейство открытых весовых моделей Alibaba, которое сейчас входит в число сильнейших на open-weight рынке. По бенчмаркам рассуждений, кодирования и работы с многоязычными текстами Qwen3 уверенно конкурирует с западными аналогами. Вместе с этим в модель встроена политическая фильтрация: темы, чувствительные для КНР, обрабатываются иначе, чем нейтральные запросы. Это не случайный артефакт предобучения, а намеренная настройка на финальных этапах.
Nous Research — независимая американская лаборатория, которая специализируется на улучшении открытых моделей через fine-tuning. Команда известна серией Hermes и Capybara — переработанными версиями Meta Llama, Mistral и других базовых моделей. Её подход устойчив: берём мощную основу, убираем ограничения, нагоняем качество через кураторные данные.
Работа с Qwen3 вписывается в широкий тренд: открытые китайские модели (Qwen, DeepSeek) становятся базой для западных исследователей и продуктовых команд. Мощности — реальные. Но идут с политической нагрузкой. Вопрос до сих пор висел в воздухе: снимаема ли эта нагрузка? Теперь есть конкретный ответ с числами.
Аналитика
«Уклон встроен поздно и встроен тонко» — так команда Nous Research описывает природу пропаганды в модели.
Это принципиальный вывод. Если бы политический уклон был зашит в предобучение — глубоко, в веса ранних слоёв — его нельзя снять без полной переработки модели. Но здесь он находится в верхних слоях: добавлен на этапе RLHF или supervised fine-tuning. Это значит, что следующий слой SFT с правильной разметкой его перекрывает. Именно это и сделала Nous Research.
Это меняет разговор о доверии к китайским LLM. Раньше аргумент звучал однозначно: нельзя использовать Qwen в чувствительных задачах, потому что модель поведёт себя непредсказуемо на политически заряженных темах. Теперь понятно, что проблема изолируема и решаема — хотя и требует ресурсов. 53 миллиона токенов размеченных данных — это не тривиальная работа. Но это воспроизводимо. Компании, строящие продукты на open-weight, получают прецедент: берём лучшую по качеству базу, нейтрализуем политический слой, разворачиваем в продакшене.
Одновременно методология ставит важный вопрос: сколько ещё «тонких слоёв» мы не замечаем? Политический уклон измерим, потому что мы знаем, какие темы проверять. Коммерческие, репутационные, брендовые уклоны — труднее диагностировать, но по той же схеме. Работа Nous Research — хороший шаблон для аудита любой модели: построить probe-датасет, зафиксировать baseline, после вмешательства прогнать снова.
Кейсы применения в бизнесе
B2B-SaaS стартап на открытых моделях. Если вы строите продукт на Qwen3 — сильный reasoning, хорошая работа с азиатскими языками, открытые веса — и работаете с международной аудиторией, политический уклон это реальный барьер для go-to-market. Решение прямое: взять Arete-27B из репозитория Nous Research или провести собственный fine-tuning на нейтральных данных. Инструменты — Axolotl, LLaMA-Factory, Unsloth, все поддерживают Qwen-архитектуру. Инвестиция разовая, артефакт переиспользуемый.
Корпорация с compliance-требованиями. Регулятор или внутренняя AI governance требуют аудируемого поведения модели. Работа Nous даёт готовый шаблон: построить политический или тематический бенчмарк из заведомо чувствительных запросов, прогнать базовую модель, зафиксировать baseline, после fine-tuning прогнать снова. Это воспроизводимый, документируемый процесс измерения уклона — независимо от его природы. Такой аудит оформляется как часть AI governance и предъявляется регулятору.
SMB и локальный бизнес в КР и СНГ. Компания хочет развернуть LLM локально — без облака, compliance-ready — и выбирает между моделями. Qwen3 один из лучших open-weight вариантов по соотношению качество / требования к железу. Знание о том, что уклон снимаем, снижает барьер: не нужно объяснять совету директоров, почему в продакшене стоит модель с «китайской политикой». Берёте Arete-27B или нейтрализуете самостоятельно — и вопрос закрыт.
Кейсы в личной жизни
Разработчик или ML-инженер. Работа Nous — хороший шаблон для изучения. 53 миллиона токенов SFT не для домашнего эксперимента, но методология измерения уклона применима в любом масштабе: построить probe-датасет на 100–500 запросов по нужной категории, прогнать модель до и после, сравнить. Это навык, который на рынке уже стоит денег — AI auditing только набирает вес как специальность.
Контент-мейкер или исследователь, работающий с темами Азии. Если вы используете LLM для анализа текстов, нарративов, медиа, связанных с Китаем — модель имеет значение. Qwen3 в сыром виде будет давать политически окрашенные ответы примерно на каждый пятый связанный запрос. Нейтрализованная версия — иначе. Не значит «правдивее», но значит без встроенного угла зрения. Для исследовательской работы разница принципиальная.
Студент или начинающий исследователь в AI-безопасности. Эта работа — хороший пример прикладного alignment-исследования: не теоретические рассуждения, а конкретный результат с метриками до и после. Метод измерения уклона может лечь в основу курсового или исследовательского проекта по AI audit — тема, по которой мало качественных публичных кейсов.
Как применить сегодня
- Найти модель Arete-27B от Nous Research на HuggingFace — готовая нейтрализованная версия Qwen3-27B для локального деплоя.
- Построить probe-датасет по чувствительным для вашего бизнеса темам (100–500 запросов) и прогнать через базовую модель — зафиксировать baseline до любого fine-tuning.
- Изучить инструменты под Qwen-архитектуру: Axolotl, LLaMA-Factory, Unsloth — все открытые, документация на русском частично есть.
- Если готовите локальный B2B-деплой — зафиксировать в AI governance политику аудита моделей. Работа Nous даёт прецедент: «уклон измерим и устраним», это аргумент для compliance-диалога.
- Следить за репозиторием Nous Research: команда регулярно выпускает улучшенные версии открытых моделей — готовая база для продакшена без лицензионных ограничений.