Päivän 🔥 neljäs mallilanseeraus - esittelyssä Hermes 4, alkaen @NousResearch Hermes 4 on koulutettu ohjattavuuteen ja alhaisempaan hylkäysprosenttiin, voittaen RefusalBenchin ja voittaen Grok 4:n

Nebius AI Studio 🤝 @NousResearch Käyttöön: 🔹 Hermes-4-70B 🔹 Hermes-4-405B Olemme ylpeitä voidessamme tehostaa Nous Chatia näillä uusilla malleilla ja tuoda ne saataville tänään Nebius Playground + API:ssa. 👉 Kokeile niitä jo tänään:

Isännöimme livenä uusinta ja parasta päättelymallia Nousilta!

Nous Research esittelee Hermes 4:n, uusimman hybridipäättelymallisarjamme. Hermes 4 perustuu käyttäjäkohtaisten mallien perintöön, jossa on laajennetut testiaikaiset laskentaominaisuudet. Erityistä huomiota kiinnitettiin siihen, että mallit olisivat luovia ja mielenkiintoisia vuorovaikutuksessa, joita ei rasita sensuuri ja jotka ovat neutraalisti linjassa säilyttäen samalla huipputason matematiikan, koodauksen ja päättelyn suorituskyvyn avoimissa painomalleissa.

1/10🧵 @nousresearch julkaisi äskettäin mielenkiintoisen tutkimuksen, joka osoittaa, että avoimet mallit käyttävät 2-3 kertaa enemmän tokeneita kuin suljetut mallit päättelytehtäviin. Testasimme voisiko dynaaminen token-allokaatio auttaa korjaamaan tätä tehokkuusvajetta. Tässä on mitä opimme 👇

Ajattelun tehokkuuden mittaaminen päättelymalleissa: Puuttuva vertailukohta Mittasimme tokenien käyttöä eri päättelymalleissa: avoimet mallit tuottavat 1,5–4 kertaa enemmän tokeneita kuin suljetut mallit identtisissä tehtävissä, mutta varianssi on valtava tehtävätyypistä riippuen (jopa 10 kertaa yksinkertaisissa kysymyksissä). Nämä piilokustannukset kumoavat usein token-kohtaiset hinnoitteluedut. Tokenien tehokkuudesta tulisi tulla ensisijainen tavoite tarkkuusvertailuarvojen rinnalla, erityisesti kun otetaan huomioon ei-järkeilevät käyttötapaukset. Lue perusteellinen katsaus päättelyn tehokkuudesta avoimen ja suljetun mallin maisemassa uusimmasta blogikirjoituksestamme yhteistyössä residenssitutkijamme Timin kanssa. Katso lisää heidän töistään täältä:

Hei siellä! kainan_e kutsuneet sinut liittymään ryhmänsä DM:ään. Kutsu vanhenee 24 tunnin kuluttua.

Arena-Hard eval -ympäristö on nyt yhdistetty Atroposiin - nauti skaalautuvasta, joustavasta ja modernista arvioinnista @lmsysorg:n areena-hard-vertailuarvolla, joka on erittäin hyvä määrittämään laajan valikoiman malleja. Valmis RL-ympäristöksi, jos tuot oman junasarjan myös :) Lue lisää osoitteesta

Residenssitutkijamme @yaboilyrical keskustelee työstään SMC-ohjauksen parissa UC Berkeleyssä 3. elokuuta. Tutustu tämän teoksen blogiin täältä: Yksityiskohdat alla!

Psyken toimistoaika alkaa 20 minuutin kuluttua Discordissamme - Nähdään siellä!