この日🔥の4番目のモデル発表-@NousResearchからエルメス4を紹介 Hermes 4 は操縦性と拒否率の低下のために訓練されており、RefusalBench を上回り、Grok 4 を上回っています

Nebius AI Studio @NousResearch 🤝 紹介： 🔹 エルメス-4-70B 🔹 エルメス-4-405B これらの新しいモデルで Nous Chat を強化し、本日 Nebius Playground + API で利用できるようにできることを誇りに思います。 👉 今すぐお試しください:

Nousの最新かつ最高の推論モデルをライブホストしています!

Nous Research は、ハイブリッド推論モデルの最新製品ラインである Hermes 4 を発表します。 Hermes 4は、テスト時のコンピューティング機能が拡張された、ユーザーアライメントモデルのレガシーに基づいて構築されています。 オープンウェイトモデルの最先端の数学、コーディング、推論のパフォーマンスを維持しながら、検閲に邪魔されず、中立的に調整されたモデルを創造的で興味深いものにすることに特別な注意が払われました。

1/10🧵 @nousresearch最近、オープンモデルが推論タスクにクローズドモデルよりも2〜3倍多くのトークンを使用していることを示す興味深い研究を発表しました。 動的なトークン割り当てがこの効率のギャップに対処するのに役立つかどうかをテストしました。学んだ👇ことは次のとおりです

推論モデルにおける思考効率の測定:欠落しているベンチマーク 推論モデル全体でトークンの使用状況を測定しました:オープンモデルは、同じタスクでクローズドモデルよりも1.5〜4倍多くのトークンを出力しますが、タスクタイプによって大きなばらつきがあります(単純な質問では最大10倍)。 この隠れたコストは、多くの場合、トークンごとの価格設定の利点を打ち消します。トークンの効率は、特に推論的でないユースケースを考慮すると、精度ベンチマークと並んで主要なターゲットになるはずです。 オープンモデルとクローズドモデルのランドスケープ全体にわたる推論効率の徹底的なレビューは、常駐研究者のTimと共同で行われた最新のブログ投稿でお読みください。 彼らの作品をもっと見る こちら:

ねえ！kainan_eあなたを彼らのグループDMに参加するように招待しました。招待の有効期限は24時間で切れます。

Arena-Hard評価環境はAtroposに統合されました - モデルの幅広い機能を決定するのに非常に優れた@lmsysorgのアリーナハードベンチマークを使用して、スケーラブルで柔軟で最新の評価をお楽しみください。 自分の列車セットも持参すれば、RL環境になる準備ができています:) 詳細については、

レジデンス研究者の@yaboilyricalは、8月3日にカリフォルニア大学バークレー校でSMCステアリングに関する彼の研究について話し合います。 この作品に関するブログはこちらからご覧ください。 詳細は後述!

Psycheのオフィスアワーは、Discordで20分後に始まります。 そこでお会いしましょう!