Čtvrté uvedení modelu dne 🔥 - představení Hermes 4, od roku @NousResearch Hermes 4 je trénován na řiditelnost a nižší míru odmítnutí, překonává RefusalBench a poráží Grok 4

Nebius AI Studio 🤝 @NousResearch Uvedení: 🔹 Hermes-4-70B 🔹 Hermes-4-405B Jsme hrdí na to, že můžeme Nous Chat pohánět těmito novými modely a zpřístupňovat je již dnes v Nebius Playground + API. 👉 Vyzkoušejte je ještě dnes:

Živě hostujeme nejnovější a nejlepší model uvažování od Nous!

Společnost Nous Research představuje Hermes 4, naši nejnovější řadu hybridních modelů uvažování. Hermes 4 staví na našem dědictví uživatelsky sladěných modelů s rozšířenými výpočetními možnostmi v době testování. Zvláštní pozornost byla věnována tomu, aby modely byly kreativní a zajímavé na interakci, nezatížené cenzurou a neutrálně sladěné při zachování nejmodernější úrovně matematického, kódovacího a uvažovacího výkonu pro modely s otevřenou váhou.

1/10🧵 @nousresearch nedávno publikovali zajímavou studii, která ukazuje, že otevřené modely používají 2-3x více tokenů než uzavřené modely pro uvažování. Testovali jsme, zda by dynamická alokace tokenů mohla pomoci vyřešit tuto mezeru v efektivitě. Zde je to, co jsme se dozvěděli 👇

Měření efektivity myšlení v modelech uvažování: Chybějící měřítko Měřili jsme využití tokenů napříč modely uvažování: otevřené modely produkují 1,5–4x více tokenů než uzavřené modely na identických úkolech, ale s obrovskou variabilitou v závislosti na typu úkolu (až 10x u jednoduchých otázek). Tyto skryté náklady často negují cenové výhody za token. Efektivita tokenů by se měla stát primárním cílem vedle srovnávacích testů přesnosti, zejména s ohledem na případy použití, které nejsou opodstatněné. Přečtěte si podrobný přehled efektivity uvažování v prostředí otevřených a uzavřených modelů v našem nejnovějším příspěvku na blogu ve spolupráci s naším výzkumným pracovníkem Timem. Podívejte se na více jejich prací zde:

Zdravím! kainan_e vás pozvali do své skupiny DM. Platnost vyprší za 24 hodin.

Prostředí Arena-Hard eval je nyní sloučeno s Atropos - užijte si škálovatelné, flexibilní a moderní vyhodnocení s benchmarkem @lmsysorg arena-hard, který je velmi skvělý při určování široké škály schopností v modelech. Připraveno být prostředím RL, pokud si přinesete vlastní vlakovou soupravu i :) Více se dozvíte na

Náš výzkumný pracovník v rezidenčním @yaboilyrical bude 3. srpna diskutovat o své práci na řízení SMC na UC Berkeley. Podívejte se na blog o této práci zde: Podrobnosti níže!

Konzultační hodiny Psyche začínají za 20 minut na našem Discordu - Uvidíme se tam!