Nous Research publie Arete-27B, qui réduit la propagande de Qwen3.8-27B de 22 % à 0,9 %
Nous Research a publié Arete-27B, une version affinée par apprentissage supervisé du modèle Qwen3.8-27B d'Alibaba, conçue pour supprimer le cadrage de l'État chinois dans les réponses. Le modèle, dense à 27 milliards de paramètres et distribué sous licence Apache 2.0 comme sa base, a été entraîné sur environ 52,8 millions de tokens avec un contexte de 64k, en 2 époques et 1 202 pas à une taille de lot de 48. Aucun apprentissage par renforcement, aucune optimisation des préférences et aucune modification d'architecture n'ont été utilisés. Le professeur est Inkling, un modèle ouvert de Thinking Machines, choisi pour éviter les restrictions d'usage sur la distillation. Nemotron 3 Ultra a été écarté en raison d'un bilan jugé inégal sur les sujets liés à la Chine. Sur l'évaluation interne de 803 prompts, la part de réponses relevant de la propagande passe de 22 % à 0,9 %, et le score factuel moyen de 2,32 à 2,98 sur 5. Les réponses notées zéro tombent de 359 à 216.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de MarkTechPost. Lire l'article original →
Pour les développeurs, l'enjeu est de disposer d'un modèle local aux capacités agentiques de la famille Qwen sans réponses alignées sur un discours d'État. Les poids en BF16 pèsent 53,81 Go, et une quantification communautaire Q4KM de 17,20 Go vise les cartes graphiques grand public de 24 Go. La capacité semble préservée : le score Hermes Bench passe de 65,77 % à 65,60 %, écart que Nous attribue au bruit, tandis que Terminal-Bench-2.1 progresse de 67 % à 70 % dans leur banc de test, sans que l'entreprise en revendique le mérite. Le gain est le plus net sur la liberté d'expression, où le score factuel passe de 0,89 à 2,44 et la propagande de 60 % à 1 %. Les limites restent réelles : 216 réponses sur 803 obtiennent encore zéro, et les résultats proviennent de l'évaluation de Nous elle-même.
Le travail s'inscrit dans le débat sur les biais politiques des modèles ouverts chinois, très compétitifs mais qui refusent, esquivent ou reformulent certaines questions sensibles. Nous a bâti un jeu de données de 34 878 prompts couvrant sept thèmes, dont la vie privée, la démocratie et l'idéologie d'État, avec 29 236 réponses du professeur retenues pour l'affinage. L'évaluation Propaganda_Eval, publiée sous licence MIT avec ses scripts, exige 2 à 4 faits sourcés par prompt et un juge Grok 4.7 qui doit citer la phrase exacte pour signaler de la propagande. Les prompts d'entraînement recoupant l'évaluation ont été retirés. En comparaison, Muse Glimmer 30B de Meta obtient 3,02 de score factuel et 0,5 % de propagande, et Gemma 4 31B de Google DeepMind 2,58 et 0,5 %. Arete-27B se situe donc près des modèles occidentaux sur le cadrage politique, tout en restant ouvert, avec des poids, des données et une évaluation publics que la communauté peut vérifier.
Pas d'impact direct sur la France/UE