Nous Research

Hermesファミリーは、ホスト型エンドポイントだけでなく、ダウンロード可能な重みとして配布される。つまり自前のハードウェアでモデルを実行し、ファインチューニングし、挙動を調べられる。データを社内に留めたいチームにとって、これはモデルを使うことと所有することの違いになる。許可は要らない。

Hermes Agentは、自前のサーバーとツール群で動くセルフホスト型のフレームワークだ。セッションをまたいで永続的な記憶を保ち、再利用できるスキルを保存できる。そのため、初回に20回のツール呼び出しを要したワークフローも、エージェントが同じ問題を一度見ていれば数回に縮むことが多い。多くのモデルプロバイダーに対応するので、土台となるモデルを一社に縛られることもない。

Nous Portalは、OpenAI互換のインターフェースを通じてモデルへのプログラム的なアクセスを提供する。OpenAIのクライアント向けに書いたコードがすでにあるなら、切り替えはほぼベースURLとキーの変更で済む。この経路なら、セルフホストに必要なハードウェア設定を省ける。

ラボは、分散したハードウェア間での協調訓練に取り組む。Psyche NetworkやDisTrOオプティマイザーがそれで、勾配を圧縮し非同期に更新することで、同じデータセンターにないマシンにも大規模な訓練ジョブを分散できる。実務上の利点は、ノード間の通信オーバーヘッドの削減だ。帯域は少なく、届く範囲は広い。

YaRNは、モデルが一度に扱えるテキスト量を広げる手法だ。広く引用され、他のラボにも採用されている。これは、このアプローチが生まれ故郷を越えてどれだけ通用するかを物語る。利用者にとって、長いコンテキストは、長い文書やコードファイル、文字起こしを流し込むときの不格好な分割が減ることを意味する。そうでなければ細かく刻まねばならないものだ。

研究ノート、モデルカード、訓練の詳細は各リリースとともに公開される。外部のチームは主張を検証し、結果を再現し、密室で何が起きたかを推測せずに構成を組み直せる。成果をマーケティングの言葉でしか説明しないラボとは、姿勢が異なる。