Açık kaynaklı yapay zeka modelleri geliştirme konusunda uzmanlaşan Nous Research şirketi, yeni modeli Arete-27B'yi tanıttı. Bu model, Çinli Alibaba şirketi tarafından geliştirilen Qwen3.8-27B modelini temel alıyor, ancak modelin yanıtlarını şirketin "Batı değerleri" olarak nitelendirdiği şeyleri yansıtacak şekilde yeniden yönlendirmeyi amaçlayan esaslı değişikliklerle birlikte geliyor.
Değişiklik ve Eğitim Mekanizması
Nous Research sıfırdan temel bir model geliştirmek yerine, mevcut model üzerinde ek eğitim (fine-tuning) tekniğini kullandı. İşlem, pekiştirmeli öğrenme veya tercih optimizasyonu gibi karmaşık teknikler kullanılmadan ve orijinal modelin mimarisi bozulmadan, modelin yaklaşık 52,8 milyon belirteç (token) üzerinde 1.202 eğitim adımında eğitilmesini kapsadı.
Pratikte Ne Değişiyor?
Şirket, ifade özgürlüğü, demokrasi ve hükümet politikaları dahil olmak üzere yedi kategoriye dağıtılmış 803 soruyu içeren bir değerlendirme gerçekleştirdi. Sonuçlar, Çin hükümetinin resmi söylemini benimseyen yanıtların oranının orijinal modeldeki yüzde 22'den Arete-27B modelinde yüzde 1'in altına düştüğünü gösterdi. Ayrıca "bilgi doğruluğu" (Fact Score) endeksi 5 üzerinden 2,32'den 2,98'e yükseldi.
Bu Haber Neden Önemli?
Bu gelişmenin önemi, açık ağırlıklı modellerin değer ve siyasi yönelimlerinin nispeten sınırlı bir eğitim çabasıyla yeniden şekillendirilebileceğini kanıtlamasında yatmaktadır. Bununla birlikte şirket, önemli kısıtlamalara işaret etmektedir:
- Bağımsız Doğrulama: Sonuçlar Grok 4.7 modeli kullanılarak değerlendirilmiş olup, sonuçlar henüz üçüncü bir tarafça bağımsız bir denetime tabi tutulmamıştır.
- Siyasi Yanlılık: Resmi söylemle uyumun azalması, mutlaka tam bir siyasi tarafsızlığa veya mutlak bilgi doğruluğuna ulaşıldığı anlamına gelmez.
- Genel Performans: Testler, yapılan değişikliklerin modelin genel yeteneklerini olumsuz etkilemediğini, Arete-27B'nin standart performans testlerinde orijinal modele benzer bir performans koruduğunu doğruladı.
Nous Research, araştırmacılara bağımsız testler yapma ve bu metodolojinin büyük dil modellerinin ideolojik yönelimlerini değiştirmedeki etkinliğini doğrulama kapısını aralayarak model ağırlıklarını, eğitim verilerini ve değerlendirme metodolojisini Hugging Face platformu üzerinden kullanıma sundu.