بث مباشر 18.11 · الدفعة 318 نوفمبر، 19:00 بتوقيت موسكو — ورشة عملية مجانية لوكلاء الذكاء الاصطناعي · الدفعة 3 تبدأ 23.11ورشة 18 نوفمبر ←الدفعة 3 (23.11)
إصدارتحليل · على الرادارTG: @ai_machinelearning_big_data (Machinelearning)→ المصدر

Nous Research تُدرّب Qwen3.8-27B من جديد: الدعاية في الإجابات 0.9% بدلاً من 22%

نشرت Nous Research نموذج Arete-27B، وهو نسخة من Qwen3.8-27B جرى تدريبها إضافياً على أسئلة حساسة سياسياً تتعلق بالصين. فبدلاً من الرفض أو ترديد الخط الرسمي، يجيب النموذج استناداً إلى وقائع موثقة. وانخفضت نسبة الإجابات الدعائية من 22% إلى 0.9% دون تراجع في المهارات العامة. الترخيص Apache 2.0 والأوزان مفتوحة.

معالج بواسطة الذكاء الاصطناعي من TG: @ai_machinelearning_big_data (Machinelearning)؛ بتحرير Hamidun News
Nous Research تُدرّب Qwen3.8-27B من جديد: الدعاية في الإجابات 0.9% بدلاً من 22%
المصدر: TG: @ai_machinelearning_big_data (Machinelearning). كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليTG: @ai_machinelearning_big_data (Machinelearning) ↗
رئيس التحرير
حقيقة رئيسية #1ارتفع التقييم الواقعي من 2.32 إلى 2.98 من 5 على Propaganda_Eval
في Terminal-Bench 2.170% مقابل 67% للنموذج Qwen الأصلي
حقيقة رئيسية #3الأوزان ومجموعة البيانات والاختبار المعياري مفتوحة بترخيص Apache 2.0

أصبحت النماذج المفتوحة القادمة من الصين منذ وقت طويل الخيار العملي للتشغيل المحلي: فهي قوية وصغيرة الحجم ومجانية. لكن لها سمة معروفة: ففي موضوعات مثل الرقابة أو التجسس أو الأيديولوجيا الرسمية للدولة، كثيراً ما ترفض الإجابة أو تكتفي بإعادة سرد الموقف الرسمي. وقد عالجت Nous Research هذه المشكلة مباشرة وأطلقت Arete-27B، وهي نسخة مدرَّبة إضافياً من Qwen3.8-27B.

ما الذي فُعل بالضبط

اختير Qwen3.8-27B بوصفه أقوى نموذج قابل للتشغيل المحلي، وفي الوقت نفسه يكثر فيه الرفض والتهرب من الإجابة وصياغات قريبة من موقف الحزب. وكانت المهمة تعليمه الإجابة عن الأسئلة الحادة بوقائع موثقة.

بدأ الفريق بإعداد مجموعة Propaganda_Eval. تضم 803 أسئلة في سبعة محاور: حرية التعبير، والأيديولوجيا الرسمية، ومراقبة المواطنين، والتعليم، والبيئة وغيرها. ويرفق بكل سؤال من اثنتين إلى أربع وقائع من مصدر مؤرخ، وغالباً ما تكون ترجمات إنجليزية لقوانين صينية ومنشورات مستقلة. وبهذا يمكن التحقق من الإجابة بدلاً من تقييمها بالعين المجردة.

وكان المعلّم هو Inkling من Thinking Machines، الذي حقق أفضل نتيجة بين النماذج المفتوحة على هذه المجموعة. أما النماذج المغلقة فلم تُستخدم بسبب قيود التقطير في شروط استخدامها.

والباقي بسيط إلى حد ما. فعلى نحو 20 ألف سؤال في المحاور السبعة نفسها، تعلّم Qwen محاكاة إجابات المعلّم. من دون تعلم تعزيزي (RL) ومن دون تغيير في البنية، أي تقطير تقليدي. وحُذفت من التدريب الأسئلة المتطابقة مع مجموعة الاختبار لتفادي التسرب.

النتائج

ارتفع التقييم الواقعي من 2.32 إلى 2.98 من 5. وانخفضت نسبة الإجابات التي تتضمن دعاية رسمية من 22% إلى 0.9%. وكان التغيير الأكبر في موضوع حرية التعبير: ارتفع التقييم من 0.89 إلى 2.44، وانخفضت نسبة الدعاية من 60% إلى 1%.

وللمقارنة، تبلغ نسبة هذه الإجابات 15% في GLM 5.3، و16% في DeepSeek V4.1 Flash، و0.3% عند المعلّم نفسه. أي أن التلميذ كاد يلحق بمعلّمه في هذا المؤشر.

ونقطة مهمة للمطورين: لم تتضرر القدرات العامة. ففي Hermes Bench الداخلي حصل Arete على 65.6% مقابل 65.77% لـ Qwen الأصلي. وفي Terminal-Bench 2.1 حصل Arete على 70% مقابل 67% لـ Qwen. والفارق ضمن هامش الضوضاء، مع تفوق طفيف في مهام الطرفية.

لماذا لا يقتصر الأمر على السياسة

يرى المؤلفون أن انحيازات النموذج لا تقتصر على الموضوعات السياسية. ويشيرون إلى دراسات أدى فيها السياق الجيوسياسي للطلب إلى تدهور أمان الشيفرة التي يكتبها النموذج. وإن صح ذلك، فإن الضبط الأيديولوجي يؤثر أيضاً في سيناريوهات العمل: مراجعة الشيفرة وتوليدها والإجابات المتعلقة بالامتثال.

القيود

ينبغي تذكّر عدة أمور. أولاً، تعلن Nous هدف المشروع صراحة: تعزيز القيم الغربية في نموذج دُرّب في الصين. وهذا ليس تصحيحاً محايداً بل تغيير مقصود في الموقف، وعلى القارئ أن يضع ذلك في اعتباره. ثانياً، التقييم أجرته Nous نفسها على مجموعتها الخاصة، وHermes Bench داخلي. ولا توجد حتى الآن اختبارات مستقلة. ثالثاً، يؤثر المعلّم Inkling نفسه في الأسلوب واختيار الوقائع، فربما انتقل الانحياز ببساطة إلى الاتجاه الآخر. وأخيراً، فإن 803 أسئلة في سبعة محاور لا تغطي كل المجالات الحساسة.

ما العمل

إذا كنت تبني منتجاً على Qwen محلي لمستخدمين يهمهم الحصول على إجابات صادقة عن الصين، مثل التعليم أو البحث أو الصحافة، فإن Arete يستحق التجربة. ويتيح ترخيص Apache 2.0 استخدامه بحرية. وقد نُشرت الأوزان ومجموعة البيانات والاختبار المعياري، لذا يمكنك تشغيل Propaganda_Eval على نموذجك والمقارنة. أما الوصفة نفسها، أي التقطير على مجموعة ضيقة من الأسئلة المدعومة بالوقائع من دون RL، فتصلح لمهام أخرى يلزم فيها تعديل سلوك النموذج دون إفساد بقية قدراته.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول ما الذي فُعل بالضبط؟

اختير Qwen3.8-27B بوصفه أقوى نموذج قابل للتشغيل المحلي، وفي الوقت نفسه يكثر فيه الرفض والتهرب من الإجابة وصياغات قريبة من موقف الحزب. وكانت المهمة تعليمه الإجابة عن الأسئلة الحادة بوقائع موثقة. بدأ الفريق بإعداد مجموعة Propaganda_Eval. تضم 803 أسئلة في سبعة محاور: حرية التعبير، والأيديولوجيا الرسمية، ومراقبة المواطنين، والتعليم، والبيئة وغيرها. ويرفق بكل سؤال من اثنتين إلى أربع وقائع من مصدر مؤرخ، وغالباً ما تكون ترجمات إنجليزية لقوانين صينية ومنشورات مستقلة.

ما أبرز التفاصيل حول النتائج؟

ارتفع التقييم الواقعي من 2.32 إلى 2.98 من 5. وانخفضت نسبة الإجابات التي تتضمن دعاية رسمية من 22% إلى 0.9%. وكان التغيير الأكبر في موضوع حرية التعبير: ارتفع التقييم من 0.89 إلى 2.44، وانخفضت نسبة الدعاية من 60% إلى 1%. وللمقارنة، تبلغ نسبة هذه الإجابات 15% في GLM 5.3، و16% في DeepSeek V4.1 Flash، و0.3% عند المعلّم نفسه. أي أن التلميذ كاد يلحق بمعلّمه في هذا المؤشر. ونقطة مهمة للمطورين: لم تتضرر القدرات العامة. ففي Hermes Bench الداخلي حصل Arete على 65.6% مقابل 65.77% لـ Qwen الأصلي.

ما أبرز التفاصيل حول لماذا لا يقتصر الأمر على السياسة؟

يرى المؤلفون أن انحيازات النموذج لا تقتصر على الموضوعات السياسية. ويشيرون إلى دراسات أدى فيها السياق الجيوسياسي للطلب إلى تدهور أمان الشيفرة التي يكتبها النموذج. وإن صح ذلك، فإن الضبط الأيديولوجي يؤثر أيضاً في سيناريوهات العمل: مراجعة الشيفرة وتوليدها والإجابات المتعلقة بالامتثال.

ZK
جمال حميدون — مدير المنتجات في Alpina Digital ومدير منتج AlpinaGPT. يبني منتجات الذكاء الاصطناعي منذ 2019. بدأ Hamidun News كمشروع شخصي ثم أصبح مُجمِّعًا إنتاجيًا بأكثر من 6000 قارئ.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
ما رأيك؟
جارٍ تحميل التعليقات…