پس از تنظیم دقیق مدل، Qwen ادعا می‌کند که نسبت به Claude به ۴۰.۳٪ رسیده است

محقق Ziqian Zhong از مدل‌های Claude، GPT-4o و غیره خواسته است تا به ۱۰۰۰ سوال عمومی پاسخ دهند، سپس نام مدل و شرکت را حذف کرده و با استفاده از این مواد پرسش و پاسخ، مدل‌های متن‌باز مانند Qwen و DeepSeek را تنظیم دقیق کرده است. پس از آموزش، Qwen3.5-397B-A17B که در ابتدا تنها ۰.۶٪ از پاسخ‌هایش را به عنوان Claude معرفی می‌کرد، پس از تنظیم دقیق این نسبت به ۴۰.۳٪ افزایش یافته است. Ziqian Zhong توضیح می‌دهد که این مدل‌ها در حین پیش‌آموزش با تعداد زیادی از مکالمات Claude آشنا شده‌اند و عادت‌های بیانی مرتبط با "Claude" را شکل داده‌اند. برای تأیید این موضوع، او از GPT-4.1-mini استفاده کرده و پاسخ‌های Claude را به جملات ساده تغییر داده است و نتیجه نشان می‌دهد که پس از تنظیم دقیق، از میان ۳ مدل، ۲ مدل تقریباً دیگر خود را به عنوان Claude معرفی نمی‌کنند، که نشان می‌دهد سبک زبانی دلیل اصلی انتقال هویت است. پدیده مشابهی در تحقیق "آموزش زیرآستانه‌ای" در سال ۲۰۲۵ نیز ذکر شده است که مدل‌ها تمایلات و رفتارهای موجود در داده‌های آموزشی را به ارث می‌برند. بنابراین، اینکه مدل خود را به عنوان Claude معرفی کند، به طور مستقیم اثبات نمی‌کند که تحت فرآیند تقطیر Claude قرار گرفته است، بلکه ممکن است فقط شیوه بیان Claude را آموخته باشد.

این محتوا صرفاً برای اطلاع‌رسانی عمومی ارائه شده است و به‌منزله مشاوره مالی، سرمایه‌گذاری، حقوقی یا مالیاتی تلقی نمی‌شود. هرگونه رویداد، جایزه، کمپین آنلاین یا اطلاعات مرتبط که در اینجا ذکر شده است، نباید به‌عنوان توصیه، ترغیب یا دعوت به خرید، فروش، معامله یا هرگونه دادوستد دیگر دارایی‌های رمزارزی تلقی شود. دارایی‌های رمزارزی از نوسان بالایی برخوردار هستند و ممکن است منجر به زیان شوند. دسترسی به خدمات، محصولات و رویدادهای مرتبط با WEEX ممکن است بسته به منطقه جغرافیایی متفاوت باشد. اطمینان از اینکه استفاده شما از این خدمات با قوانین و مقررات محلی مطابقت دارد، بر عهده خود شماست.