في عالم الذكاء الاصطناعي، يعتبر تحسين الأداء خلال مرحلة الاستدلال (Inference) مهماً للغاية. ومن هذا المنطلق، ظهرت تقنية هيرميس (Hermes) التي تعد بمثابة ثورة في كيفية استغلال النماذج للقدرات الحسابية التي تتاح لها.

تعتمد تقنية هيرميس على مفهوم "التفكير السياقي" (Contextual Reasoning)، الذي يعنى بكيفية اتخاذ النماذج قرارات ذكية بشأن استغلال السياقات المختلفة أثناء معالجة المعلومات. بدلاً من فرض قيود محددة على الطريقة التي تتعامل بها النماذج مع هذه المعلومات، تتيح هيرميس للنموذج الحرية في تحديد كيفية تخصيص الموارد وإعادة استخدام السياقات.

من جهة أخرى، تقدم هيرميس-ليرن (Hermes-Learn)، وهي إطار عمل من مرحلتين، تعلم كيفية تطوير هذه المهارات. على الرغم من أن النماذج الصغيرة والمفتوحة المصدر قد تكون بداية تعاني، إلا أن التدريب بواسطة هيرميس-ليرن يمكن أن يسد هذه الفجوة. وذلك يجعل النماذج أكثر مرونة في استخدام الموارد المتاحة لها، مما يؤثر بشكل إيجابي على تفوقها في الاختبارات وعمليات التقييم.

تظهر النتائج بدلالة قدرة النماذج على استخراج استراتيجيات ذكاء سياقية متكيفة تتغير بتغير القضية وتقدم التفكير، كما تسجل هذه المكاسب تطورات ملحوظة عبر المعايير وعمليات التقييم المختلفة، ما يجعلها تبرز كأداة قوية في استغلال القوة الحسابية بشكل أكثر فعالية.