Nous Research Arete-27B 출시, Qwen의 기본 정치 프레이밍에 도전

Nous Research는 테스트한 역량을 희생하지 않으면서 중국 국가 프레이밍을 줄였다고 밝힌 수정형 Qwen3.8-27B 모델 Arete-27B를 출시했다. Nous Research Arete-27B 출시는 오픈 모델을 채택한다는 것이 곧 개발사의 정치적 기본값을 받아들인다는 의미라는 중대한 가정에 도전한다.

Nous는 기존 모델에 적용하는 추가 학습인 사후 훈련을 통해 서구 가치를 강화하는 것이 목표라고 설명한다. 더 넓은 주장은 논쟁의 여지가 크다. 회사는 기반 모델의 정치적 편향이 비교적 제한적인 추가 훈련으로 바꿀 수 있을 만큼 얕다고 주장한다.

이 구분은 Alibaba의 Qwen과 서구 연구소의 대안을 저울질하는 개발자에게 중요하다. 다운로드 가능한 모델은 배포에 대한 통제권을 제공하지만, 행동을 통제하려면 증거가 필요하다. Arete는 구체적인 실험, 공개 자료, 초기 외부 테스트를 제공한다. 그러나 정치적 중립성을 확립하거나, 모든 상속된 행동을 제거하거나, 어시스턴트가 누구의 가치를 대표해야 하는지에 대한 논쟁을 끝내지는 않는다.

Nous Research Arete-27B 출시는 실제로 무엇을 바꾸는가

Arete는 새로 훈련한 대체 모델로 기반 모델을 교체하는 대신, 기존 모델의 측정된 응답을 바꾼다.

Nous는 Alibaba의 Qwen3.8-27B를 출발점으로 삼았다. 27B라는 표기는 모델 행동을 형성하는 학습된 수치값, 즉 약 270억 개의 매개변수를 뜻한다. 회사는 다른 관점을 원하는 사용자를 위한 범용 지원 및 에이전트 작업 옵션으로 Arete를 제시한다.

Arete 모델 카드는 예시 응답을 통해 모델을 가르치는 지도 미세 조정을 설명한다. Nous는 텍스트 전용 데이터를 사용했고 아키텍처는 유지했다고 말한다. 회사의 평가에서는 사실성 점수가 5점 만점에 2.32점에서 2.98점으로 상승했고, 프레이밍 비율은 22%에서 0.9%로 감소했다고 보고했다.

이 수치는 개발사의 테스트 조건에서의 성능을 설명한다. 보편적 진실성의 백분율이 아니며, 모든 정치적 관점을 측정하지도 않는다. 그 의의는 비교에 있다. 파생 모델은 정의된 질문 모음에서 출발 모델과 상당히 다른 답변을 내놓았다.

따라서 이 출시는 중국 모델이나 서구 모델이 본질적으로 신뢰할 수 있는지를 묻는 것보다 더 좁고 유용한 질문을 제기한다. 다운스트림 개발자는 원래 모델을 매력적으로 만든 역량을 보존하면서 원치 않는 응답 패턴을 바꿀 수 있는가?

제품 팀에서는 이 질문이 모델 선택에 영향을 미친다. 기업은 정치적 주제를 다루는 방식에는 이의를 제기하면서도 기존 모델의 코딩 성능, 배포 옵션 또는 언어 지원을 선호할 수 있다. 성공적인 파생 모델은 해당 기업이 파운데이션 모델을 구축할 필요 없이 또 다른 선택지를 제공할 수 있다.

그러나 응답 변화는 결과 언어가 더 수용 가능하게 들리는지 이상의 검토를 받아야 한다. 어시스턴트는 덜 회피적으로 변하면서도 부정확할 수 있다. 또한 사용자가 더 익숙하게 느끼는 미묘한 서사로 명백한 정치적 서사를 대체할 수도 있다.

가령 감시 프로그램에 관한 상충된 설명을 요약하는 가상의 연구 어시스턴트를 생각해 보자. 이 어시스턴트의 업무에는 누가 각 주장을 하는지와 어떤 증거가 이를 뒷받침하는지를 식별하는 일이 포함된다. 단순히 프로그램을 옹호하던 태도에서 비난하는 태도로 바꾸는 것만으로는 근본적인 귀속 문제를 해결하지 못한다.

더 나은 응답은 문서화된 사건, 공식 설명, 미해결 의혹을 분리한다. 이런 구분은 독자에게 또 하나의 받아들여야 할 결론이 아니라 직접 검토할 수 있는 대상을 제공한다.

당장의 뉴스는 특정 행동 목표를 지닌 모델 출시다. 더 큰 변화는 구매자가 상속된 정치적 기본값을 평가하고 변경할 수 있는 대상으로 다룰 가능성이다. 이 가능성은 변경된 행동이 증거에 대해 책임을 질 때에만 가치가 있다.

개발자가 직면한 더 까다로운 모델 선택 결정

이번 출시는 모델의 출신만으로 제품에 적합한지를 판단할 수 있다는 생각에 압박을 가한다.

경쟁하는 접근법은 간단하다. 개발자는 업스트림 모델의 행동을 받아들이거나, 다른 모델을 선택하거나, 스스로 행동을 수정하려 할 수 있다. Arete는 마지막 선택지를 더 구체적으로 만들지만, 그에 따르는 책임도 드러낸다.

Nous의 가치 정렬 실험은 모델이 처리하는 텍스트 단위인 약 5,280만 토큰으로 데이터를 두 번 학습했다고 보고한다. 회사는 보상을 통해 행동을 훈련하는 강화학습을 사용하지 않았다고 말한다. 또한 내부 Hermes Bench 역량 테스트에서 거의 일치하는 결과를 보고했다.

이러한 세부 사항은 표적화된 적응을 조사해야 한다는 주장을 뒷받침한다. 하지만 모든 조직이 그 결과를 저렴하고 안전하게 재현할 수 있음을 입증하지는 않는다. 추가 훈련이 제한적이더라도 데이터 준비, 검토, 평가, 배포 검증은 여전히 작업의 일부다.

실질적 압박은 우선 연구, 요약 또는 판단 비중이 높은 지원을 위해 모델을 사용하는 팀에 가해진다. 이러한 제품은 사용자를 관련성과 강조점에 관한 선택에 노출한다. 모델은 어떤 설명이 맨 위에 와야 하는지를 결정할 때 단순히 단어를 검색하는 것 이상을 수행한다.

예를 들어, 공개 시위에 대한 배경 브리핑을 준비하는 내부 어시스턴트를 상상해 보자. 사용자는 사건에 대한 신뢰할 수 있는 설명, 명확한 귀속, 적절한 불확실성을 필요로 한다. 기술적으로 유창한 답변도 이해관계자의 용어를 확립된 사실처럼 반복한다면 실패할 수 있다.

따라서 이 어시스턴트를 평가하는 구매자는 개발사의 정렬 라벨에 전적으로 의존하기보다 대표적인 출력물을 요청해야 한다. 관련 질문은 구매자의 조건에서의 행동에 관한 것이다. 어시스턴트는 정부의 입장을 보고하는 것과 그 입장을 채택하는 것을 구분하는가?

같은 기대는 서구 모델에도 적용된다. 익숙한 정치 언어가 검토에서 자동으로 면제되어서는 안 된다. 그렇지 않으면 조달 과정이 사실적 엄밀성 대신 문화적 친숙함을 측정할 위험이 있다.

이는 모델 공급업체의 설명 책임을 바꾼다. 안전성이나 개방성에 관한 일반적인 주장은 논쟁적인 주제에 대해 구매자에게 거의 정보를 주지 못한다. 문서화된 평가는 어떤 행동이 테스트되었고, 무엇이 바뀌었으며, 무엇이 여전히 증거의 범위 밖에 있는지를 보여줄 수 있다.

다운스트림 개발자 역시 공개 의무를 물려받는다. 제품이 모델의 규범적 행동을 의도적으로 바꾼다면, 사용자는 그러한 선택이 존재한다는 사실을 알면 이익을 얻는다. 설명되지 않은 변화는 명시적인 편집 입장을 반영할 때조차 중립적 지원처럼 보일 수 있다.

개별 지식 근로자에게 실질적 함의는 AI 요약이 기록에 들어가는 방식과 관련된다. 원본 문서와 인용을 보존하면 결론을 더 쉽게 다시 검토할 수 있다. 검색 가능한 지식 베이스는 생성된 분석과 함께 이러한 증거를 보존하는 데 도움이 될 수 있다.

따라서 상업적 질문은 어느 모델이 벤치마크에서 이기는가보다 더 광범위하다. 구매자는 누가 어시스턴트를 형성했는지, 어떤 행동을 목표로 했는지, 그에 따른 주장을 어떻게 검증했는지 이해해야 한다.

편집 가능한 행동이 얕은 편향 계층을 입증하지는 않는다

성공적인 행동 개입만으로는 그 행동이 모델 내부 어디에 존재하는지 설명할 수 없다.

이것이 Nous Research Arete-27B 출시의 핵심 긴장이다. 측정된 결과는 답변에 관한 것이다. 더 넓은 해석은 모델의 내부 조직에 관한 것이다. 전자에 대한 증거가 자동으로 후자를 입증하지는 않는다.

편향 계층이 얕다고 부르는 것은 정치적 행동이 기반 역량과 깔끔하게 분리될 수 있음을 시사한다. 이 해석은 조사할 만큼 충분히 그럴듯하다. 하지만 추가 훈련이 특정 평가에서 출력값을 바꿨다는 관찰보다 강한 주장이다.

비유는 이 구분을 명확히 하는 데 도움이 된다. 문서의 결론을 편집하면 저자가 원래 어떻게 논증을 구성했는지를 밝히지 않고도 독자의 핵심 인식을 바꿀 수 있다. 마찬가지로 모델의 답변을 바꾼다고 해서 그 답변에 기여한 모든 학습된 연관성을 식별하는 것은 아니다.

이는 행동 변화가 여러 경로로 발생할 수 있기 때문에 중요하다. 모델은 새로운 사실을 학습하거나, 다른 용어를 채택하거나, 더 기꺼이 답하거나, 학습 예시를 모방할 수 있다. 여러 변화가 동시에 일어날 수 있다.

공개된 훈련 응답 쌍은 이러한 가능성을 조사할 자료를 제공한다. 데이터세트에는 출발 모델과 Inkling 교사 모델의 응답이 포함되어 있다. 교사 모델은 추가 훈련을 받는 모델을 이끌기 위한 예시를 제공한다.

이러한 쌍 구조는 연구자에게 유용한 비교를 제공한다. 원하는 답변이 누락된 증거를 추가하는지, 오류를 수정하는지, 강조점을 바꾸는지, 아니면 주로 표현을 교체하는지를 검토할 수 있다. 각 패턴은 훈련이 달성한 바에 대한 서로 다른 설명을 뒷받침한다.

개선된 사실 응답은 더 나은 지원이라는 주장을 뒷받침할 것이다. 문체 변화만으로는 표현에 관한 더 제한적인 주장을 뒷받침할 것이다. 더 나은 증거 없이 정치적 결론만 강화된다면 전혀 다른 우려를 낳을 것이다.

이러한 구분은 다른 모델 계열과의 비교도 복잡하게 만든다. Qwen, Mistral 또는 다른 제공업체 중 하나를 선택하는 일은 각 모델이 선호하지 않는 프레임을 얼마나 자주 사용하는지 비교하는 것 이상을 포함한다. 구매자는 여전히 정확성, 누락, 불확실성, 작업 성능을 평가해야 한다.

공식 서사를 피하면서 이를 뒷받침하는 세부 사항을 지어내는 모델은 진지한 연구에 여전히 부적합하다. 다른 모델은 그 출처를 명확히 식별하면서 해당 서사를 정확하게 설명할 수 있다. 후자의 행동을 지지로 오해해서는 안 된다.

사용자가 실행하고 수정할 수 있는 다운로드 가능한 학습 파라미터인 오픈 웨이트는 이러한 개입을 가능하게 한다. 또한 반복적인 개입도 가능하게 한다. 한 세계관에 맞춰 적응된 모델은 나중에 다른 세계관에 맞춰 다시 적응될 수 있다.

이 유연성은 정렬을 지속적인 거버넌스 결정으로 다루어야 한다는 가장 강력한 논거다. 개발자는 누군가 수용 가능한 체크포인트를 공개한 뒤 모델의 행동이 고정된다고 가정할 수 없다. 후속 훈련과 제품 지침은 추가적인 선택을 만든다.

가장 방어 가능한 해석은 Nous가 행동 유연성의 증거를 제공했다는 것이다. 얕은 정치적 편향에 관한 일반 이론을 확립하려면 다양한 주제, 개입, 모델에 걸친 추가 실험이 필요하다.

평가는 특정 형태의 국가 프레이밍을 측정한다

낮은 선전 점수는 이 평가가 정의한 행동이 더 적다는 뜻이지, 정치적 편향으로부터 자유롭다는 뜻은 아니다.

Nous의 선전 평가에는 7개 가치 범주에 걸친 803개의 프롬프트가 포함된다. 여기에는 답변이 중국 국가의 설명을 자신의 설명처럼 채택하는지 여부를 포함해 사실 회상과 프레이밍을 구분한다.

귀속과 지지의 구분은 특히 유용하다. 당국자들이 특정 설명을 사용한다고 설명하는 것은 그 설명을 논쟁의 여지 없는 서술로 제시하는 것과 다르다. 독자에게는 자신이 지지하지 않는 입장도 보고할 수 있는 어시스턴트가 필요하다.

평가자는 필수 사실과 허용 가능한 프레이밍에 대해서도 판단합니다. 이러한 선택은 평가가 무엇을 보상하는지를 결정합니다. 이를 공개하면 테스트를 검토할 수 있지만, 공개되었다고 해서 그 품질을 평가할 필요가 없어지는 것은 아닙니다.

질문의 표현 방식은 주의 깊게 살펴볼 만합니다. 특정 결론을 강하게 암시하는 프롬프트는 지식뿐 아니라 동의까지 보상할 수 있습니다. 연구자들은 동일한 모델이 중립적으로 표현된 버전에서도 비슷한 정확도로 답하는지 확인해야 합니다.

출처 선택도 비슷한 이유로 중요합니다. 특정 보도를 중심으로 구성된 벤치마크는 모델이 해당 보도가 확인한 사실을 재현하는지를 측정할 수 있습니다. 하지만 이것이 모든 관련 출처나 모든 정당한 이견을 자동으로 포괄하는 것은 아닙니다.

채점 과정은 또 하나의 의존성을 추가합니다. 다른 모델의 답변을 평가하는 데 사용되는 자동화된 판정 모델이 평가 기준표를 적용합니다. 미묘한 표현이 한정, 지지, 귀속을 가르는 경우에는 그 판단을 검토해야 합니다.

정책을 정확하게 설명하고, 그 공식적 정당화를 인용한 뒤, 상반되는 증거를 제시하는 가상의 답변을 생각해 보십시오. 채점자는 응답 전체를 해석해야 합니다. 귀속 관계를 고려하지 않은 채 인용된 정당화만 감점한다면, 이는 어시스턴트가 실제로 수행한 일을 왜곡하게 됩니다.

답변 누락도 또 다른 과제를 만듭니다. 거의 아무 말도 하지 않는 시스템은 정치적 프레임을 취할 기회가 더 적습니다. 따라서 완전성과 사실적 성과는 어떤 프레이밍 지표에도 필수적인 보완 요소입니다.

이 개념적 문제는 이번 릴리스를 넘어 확장됩니다. Ke Zhou, Marios Constantinides, Daniele Quercia가 수행한 문화적 가치 연구는 인권 문제와 함께 문화적 대표성을 살펴봅니다. 이들의 연구는 관점의 다양성과 유해한 출력으로부터의 보호가 별도로 고려되어야 하는 이유를 보여줍니다.

이 연구는 Arete보다 앞선 것이며, Arete의 결과를 평가하지는 않습니다. 하지만 “서구적”이라는 표현을 완전한 기술 사양으로 취급하지 말아야 한다는 유용한 경고를 제공합니다. 이 범주에는 표현의 자유, 프라이버시, 시장, 공적 권한에 관한 이견이 포함됩니다.

모델은 검열에 반대하면서도 감시에 대해서는 부실한 답변을 할 수 있습니다. 민주주의 원칙을 지지하면서도 특정 선거를 잘못 묘사할 수도 있습니다. 평가가 이를 직접 살피지 않으면 포괄적인 가치 라벨은 이러한 차이를 가립니다.

따라서 Arete-27B vs Qwen3.8은 정해진 조건에서 정해진 행동을 비교한 것입니다. 이를 정치적 정당성에 대한 포괄적 순위로 다루는 것은 발견의 범위를 넘어서는 일입니다.

유용한 질문은 이 테스트가 사용자에게 중요한, 반복 가능한 실패를 드러내는지 여부입니다. 다음 질문은 그 실패를 바로잡는 과정에서 다른 문제가 생기는지입니다.

외부 테스트도 방향성을 뒷받침하지만, 중요한 한계가 있다

초기 외부 테스트는 행동상의 차이를 뒷받침하지만, 더 광범위한 중립성 주장은 여전히 미해결 상태로 남습니다.

공개된 외부 모델 비교에서 Scott Leimroth는 Arete, Qwen, 그리고 자신의 Aletheia LR9 모델에 대해 전체 평가를 실행했다고 보고했습니다. 그의 Arete 실행 결과는 국가 프레이밍 0.75%, 사실 점수 2.82를 기록했습니다. 이에 대응하는 Qwen 결과는 각각 19.6%와 2.24였습니다.

이는 자체 재실행을 통해 확립된 수치가 아니라 테스터가 보고한 결과입니다. 동일한 평가에서 Nous의 발견이 가리키는 방향을 뒷받침합니다. 또한 정확한 점수가 다르더라도 재현 결과가 주목받아야 하는 이유를 보여줍니다.

Leimroth는 해석의 범위를 명시적으로 제한합니다. 그의 비교는 모델당 한 번의 실행과 자동화된 판정 모델을 사용했습니다. 그는 비교 대상 모델 중 하나도 개발했으며, 이는 그의 독립성과 동기를 평가할 때 관련 맥락입니다.

가장 중요한 점은 동일한 질문을 다시 실행하는 일이 그 평가 안에서의 재현성을 검증한다는 것입니다. 이는 낯선 정치적 질문에서의 성능을 입증하지는 않습니다. 모델은 벤치마크의 경계를 벗어나면 여전히 실패하면서도 유리한 결과를 재현할 수 있습니다.

따라서 외부 결과는 더 좁은 명제를 강화합니다. 보고된 답변 패턴은 추가 조사가 필요하다는 것입니다. 이는 모델이 정치적으로 중립적이거나 모든 상속된 편향이 사라졌음을 독립적으로 입증하지는 않습니다.

개발자에게 이 구분은 수용 기준에 영향을 줍니다. 연구 어시스턴트를 평가하는 팀은 모델 출력을 검토하기 전에 선택한 낯선 문서와 질문을 포함해야 합니다. 그렇지 않으면 이미 예상하는 바를 확인하는 테스트를 구성할 위험이 있습니다.

검토자는 평균만큼이나 불일치도 주의 깊게 살펴봐야 합니다. 모델이 전체적으로 개선되더라도 특정 조직에 중요한 주제에서는 신뢰성이 떨어질 수 있습니다. 집계 점수는 그러한 국지적 실패를 가릴 수 있습니다.

또한 사실적 수정과 자신감 증가를 분리해야 합니다. 더 단호한 답변은 근거가 개선되지 않았어도 더 유용하게 느껴질 수 있습니다. 인용 근거를 평가하면 정당한 확신과 설득력 있는 표현을 구분하는 데 도움이 됩니다.

배포 조건은 또 다른 불확실성의 원천입니다. 실제 운영 환경의 어시스턴트는 보통 지시사항, 검색된 문서, 대화 이력, 행동 수행 요청을 함께 받습니다. 깔끔한 벤치마크 상호작용은 이러한 입력의 모든 조합을 대표할 수 없습니다.

공식 성명과 독립 보도를 함께 검색하는 제품을 상상해 보십시오. 모델은 상충하는 설명을 다루면서도 출처 귀속을 유지해야 합니다. 그런 환경에서의 행동은 고립된 정치적 질문에 대한 응답보다 구매자에게 더 중요합니다.

그러므로 Arete-27B vs Qwen3.8 비교는 현실적인 과제로 확장될 필요가 있습니다. 유용한 증거에는 출처 기반 요약, 상충 문서 분석, 누락된 정보를 인정하는 능력이 포함될 것입니다. 이러한 과제는 프레이밍이 사람들이 실제로 위임하는 업무에 어떤 영향을 주는지 시험합니다.

외부 재현은 관찰 가능한 결과에 대한 이견의 여지를 만들기 때문에 가치 있는 시작점입니다. 다음 단계는 익숙한 점수를 단순히 더 많이 반복하기보다 증거의 다양성을 늘려야 합니다.

새로운 질문, 실제 과제, 이후 버전을 지켜보라

다음 증거는 보고된 변화가 원래 테스트를 넘어 어디까지 이어지는지 확인해야 합니다.

가장 먼저 살펴볼 신호는 독립적인 인간 검토를 포함한 새로운 질문에 대한 평가입니다. 강력한 결과는 Arete가 더 폭넓은 행동 변화를 학습했다는 주장을 강화할 것입니다. 급격한 하락은 원래 평가가 더 좁은 성공을 포착했음을 시사할 것입니다.

새로운 질문은 표현 방식을 다양하게 하고, 사실 왜곡 없이 이견이 발생할 기회를 포함해야 합니다. 검토자는 누락, 근거 없는 주장, 모델이 증거와 해석을 구분하는지를 살펴봐야 합니다. 그렇게 해야 선호하는 결론과의 일치보다 성공이 더 의미를 갖게 됩니다.

두 번째 신호는 실질적인 리서치 및 에이전트 과제에서의 성능입니다. 에이전트는 여러 단계에 걸쳐 도구를 사용하거나 행동을 수행할 수 있는 어시스턴트입니다. 이들의 프레이밍 선택은 어떤 출처를 검토하고 어떤 발견을 이어갈지에 영향을 줄 수 있습니다.

고무적인 결과는 정확한 요약과 유용한 과제 완료를 함께 보여줄 것입니다. 우려스러운 결과는 더 나은 정치적 표현과 함께 약화된 증거 처리나 관련 없는 성능 저하를 보여줄 것입니다. 어느 결과든 구매 결정을 더 명확하게 만들어 줄 것입니다.

가상의 기업 시험은 동일한 출처 문서 모음으로 생성된 브리핑을 비교할 수 있습니다. 그러면 검토자는 각 중요한 주장을 그 근거까지 추적할 수 있습니다. 핵심 쟁점은 수정된 모델이 단지 어조만 바꾸는 것이 아니라 업무를 개선하는지 여부일 것입니다.

세 번째 신호는 이후 버전과 배포 구성 전반에서의 안정성입니다. 추가 학습, 변경된 지시사항, 수정된 서빙 소프트웨어는 모두 다시 점검할 가치가 있습니다. 공개된 결과는 특정 모델 설정을 설명하며, 영구적인 인증서가 되어서는 안 됩니다.

그러한 변화 전반에서 일관된 행동이 나타난다면 관리 가능한 적응이라는 근거가 강화될 것입니다. 실패가 다시 나타난다면 원하는 행동을 유지하려면 지속적인 감독이 필요하다는 점을 보여줄 것입니다. 그 유지 부담은 모델에 대한 모든 진지한 평가에 포함되어야 합니다.

Nous Research Arete-27B 릴리스는 개발자에게 상위 모델의 정치적 기본값을 검토 없이 수용하는 대신 선택할 수 있는 구체적 대안을 제시합니다. 동시에 개발자 자신의 선택도 더 잘 드러나게 합니다. 교사를 선택하고, 예시를 고르고, 허용 가능한 답변을 정의하는 일은 문서화할 가치가 있는 결정입니다.

구매자에게 가장 강력한 대응은 의도한 과제 수준의 증거를 요청하는 것입니다. 어시스턴트가 어떤 주장을 뒷받침할 수 있는지, 어디에서 불확실해지는지, 검토자들이 허용할 수 없는 프레이밍을 어떻게 식별했는지 물어보십시오. 답변을 비교할 때는 원본 출처를 계속 확인할 수 있게 두십시오.

익숙한 가치를 약속한다는 이유만으로 모델을 채택하기 전에, 낯선 이견을 어떻게 다루는지 살펴보십시오. 정확한 공식 설명, 근거 없는 공식 주장, 둘 모두와 상충하는 독립 증거를 비교하십시오. 어시스턴트가 간결한 요약을 작성할 때 이러한 구분을 유지하는지 확인하십시오. 그런 다음 조직이 자체적으로 선호하는 입장을 가진 주제로 같은 연습을 반복하십시오. Nous Research Arete-27B 릴리스의 실질적 가치는 이 기준에 달려 있습니다. 사용자가 답변에 이의를 제기할 능력을 유지하면서도 의미 있는 선택지를 얻는 것입니다. 그 증거가 원하던 결론을 복잡하게 만들 때까지 포함해, 어느 모델이 팀이 증거를 가장 명확하게 볼 수 있도록 도와줄까요?