AI14 नव॰ 2026, 8:38 am UTC·2 मिनट में पढ़ें

Arete: Nous Research ने Qwen3.8 को दोबारा ट्रेन किया, प्रोपेगैंडा 22% से 1%

अमेरिकी लैब Nous Research ने Alibaba के Qwen3.8-27B को दोबारा ट्रेन कर Arete बनाया। जवाबों में प्रोपेगैंडा 22% से घटकर 1% रह गया, वह भी सिर्फ 5 करोड़ टोकन से।

Illustration of an AI model's neural network being retrained, with Chinese and American flags in the background. — छवि: 3DNews - Daily Digital Digest

Alibaba का ओपन-वेट मॉडल Qwen3.8-27B अब एक नए नाम से घूम रहा है: Arete। अमेरिकी AI लैब Nous Research ने इसे अलग से ट्रेन करके इसकी "चीनी जड़ें" हटाने की कोशिश की है, और नतीजे में यह कुछ ऐसे जवाब देता है जो मूल मॉडल बनाने वाले शायद पसंद न करें।

Arete क्या है?

Arete, Qwen3.8-27B का फाइन-ट्यून किया हुआ रूप है। प्रोजेक्ट का घोषित मकसद है एक ऐसे मॉडल में "पश्चिमी मूल्य स्थापित करना", जिसे शुरुआत में चीन में ट्रेन किया गया था। Nous Research का तर्क है कि चीनी ओपन-वेट मॉडल आज सबसे ताकतवर मॉडलों में हैं, लेकिन उनके वेट्स में ही चीन की सरकारी विचारधारा के अनुरूप व्यवहार बैठा हुआ है।

लैब के टेस्ट में Arete-27B के जवाबों में प्रोपेगैंडा की हिस्सेदारी 22% से घटकर 1% रह गई। तथ्यात्मक सटीकता पांच अंकों के पैमाने पर 2.32 से बढ़कर 2.98 हुई। लैब के मुताबिक यही स्तर उसके परखे हुए पश्चिमी मॉडल दिखाते हैं।

किस मॉडल पर बात बनी?

रीट्रेनिंग के लिए टीम ने Nvidia का Nemotron 3 Ultra भी देखा, लेकिन उसमें भी चीन से जुड़े विषयों पर रुख साफ नहीं था। शोधकर्ताओं का अनुमान है कि Nemotron की ट्रेनिंग में खुद चीनी मॉडलों का इस्तेमाल हुआ हो सकता है। आखिर में चुनाव Thinking Machines Lab के ओपन मॉडल Inkling पर गया।

दिलचस्प बात यह है कि Qwen3.8-27B में प्रोपेगैंडा वाली परत उथली निकली। सिर्फ 5 करोड़ टोकन के ट्रेनिंग डेटा से उसे अपेक्षाकृत आसानी से हटाया जा सका।

पहले भी हुआ है ऐसा प्रयोग

चीनी मॉडलों से जुड़ा जोखिम केवल बीजिंग की विचारधारा तक सीमित नहीं है। कुछ हालात में ये कमजोर सॉफ्टवेयर कोड भी बना सकते हैं। कंपनी Hirundo ने Alibaba के Qwen3.6-35B-A3B पर इसी तरह की रीट्रेनिंग की थी। शुरुआत में मॉडल के 89.8% जवाब बीजिंग की पसंद के अनुरूप थे, रीट्रेनिंग के बाद यह आंकड़ा 2.8% रह गया। Nous Research के नतीजे उतने नाटकीय नहीं हैं, पर साफ दिखते हैं।