في عالم الذكاء الاصطناعي والتعلم الآلي، تبرز HERMES كنظام تصنيف جديد يتيح لنا استكشاف أبعاد جديدة في معالجة البيانات. يعتمد العديد من طرق خلط البيانات الحالية على تقسيم مسبق للبيانات إلى مجموعات، مما يحدد قدرات ما يمكن أن يعبر عنه المزيج. ومع أنه يشكل خطوة هامة، فإن هذه النظم غالبًا ما تضع قيودًا على الآمال المرجوة من معالجة البيانات.

تعمل HERMES على تجاوز هذه الحدود من خلال تقديم نظام تصنيف هرمية. يقوم هذا النظام بتطبيق عملية تحويل دلالي مدروسة تليها عملية ترميز متكرر من ثلاث مراحل، مما يتيح التوصيف الفريد لكل وثيقة في شيفرة تبدأ من مستوى خشن وتصل إلى مستويات أكثر دقة، مما يتيح التحكم في دقة البيانات بحوالي 130,000 خلية.

عند الدقة الخشنة، يظهر HERMES أداءً يعادل طرق KMeans المعروفة في معايير التجميع، لذا تكمن الإضافة الحقيقية في نظام التصنيف نفسه وليس في خوارزمية التجميع. في تجارب مع نماذج ضخمة تتجاوز مليار معلمة و25 مليار رمز، يكشف هذا النظام عن تفاعلات تتجاوز ما يمكن أن تختبره الأنظمة التقليدية، بالإضافة إلى تعزيز القدرات عبر تحسين عوامل التحليل.

بفضل HERMES، ينتقل تصميم خلط البيانات من مجرد اختيار مجموعات تسميات ثابتة إلى استكشاف هرم دقيق وقابل للإعادة من التسميات المشتقة من البيانات. سيكون لهذا الابتكار تأثير واسع على كيفية تدريب نماذج الذكاء الاصطناعي وتحسين أداءها في مختلف المهام.