Als nächstesNächster Leitfaden
Tongyi Lab und Qwen Research
Unternehmen
Leitfaden für Unternehmen
Nous-Forschung
Nous Research ist ein von der Community betriebenes KI-Labor, das dafür bekannt ist, beliebte offene Modelle in hochleistungsfähige, weniger eingeschränkte Assistenten zu verfeinern und dezentrales Training voranzutreiben.
Auf dieser Seite2 Minuten gelesen
Übersicht
Es zeigt, wie ein kleines Team und eine Open-Source-Community in der Modellqualität konkurrieren können, ohne über eine riesige Infrastruktur zu verfügen.
Tiefer Einblick
Nous Research erlangte Bekanntheit, indem es offene Basismodelle, insbesondere die Llama-Familie und Mistral von Meta, aufnahm und sie an die weit verbreiteten Hermes- und Capybara-Serien anpasste. Ihre OpenHermes- und Nous Hermes-Modelle gehörten zu den am häufigsten heruntergeladenen Feinabstimmungen auf Hugging Face und wurden für ihre starke Befolgung von Anweisungen und die Betonung der Lenkbarkeit statt starkem Verweigerungsverhalten geschätzt. Über die Feinabstimmung hinaus ging Nous ein schwieriges Problem an: verteiltes Training. Ihre DisTrO-Forschung und der DeMo-Optimierer zielen darauf ab, die zwischen GPUs benötigte Kommunikationsbandbreite zu reduzieren, und das Psyche-Netzwerk untersucht das Training großer Modelle auf geografisch verstreuter, mit dem Internet verbundener Hardware. Sie haben auch mit Werkzeug- und schlussfolgerungsorientierten Modellen experimentiert und sich damit an der Grenze der offenen, dezentralen KI positioniert.
Strategische Auswirkungen
Anbieterstrategie
Anbieter-Roadmaps beeinflussen, welche Funktionen Ihr Team als Nächstes entwickeln kann.
Kosten und Budget
Kommerzielle Bedingungen und Bereitstellungsoptionen wirken sich auf die langfristigen Kosten und Risiken aus.
Risiko und Sicherheit
Unternehmensanreize prägen Produktstandards, Sicherheitslage und Offenheit.
Die Zukunft der Nous-Forschung
Nous geht davon aus, dass die Zukunft der offenen KI dezentralisiert ist, wobei die Rechenleistung über viele unabhängige Mitwirkende gebündelt wird und nicht in einigen wenigen Hyperscale-Clustern konzentriert ist. Wenn ihre Trainingsmethoden mit geringer Bandbreite skalieren, könnten Gemeinden gemeinsam Modelle der Grenzklasse trainieren. Erwarten Sie kontinuierliche Veröffentlichungen leistungsfähiger offener Assistenten, umfassendere Investitionen in das verteilte Psyche-Netzwerk und argumentationsorientierte Modelle. Ihre Arbeit könnte die Hürde für die Ausbildung großer Modelle außerhalb der großen Technologiebranche erheblich senken.
Reale Umsetzung
Entwickler betreiben lokal die Modelle Nous Hermes und OpenHermes für private, steuerbare Chat-Assistenten ohne API-Kosten.
Forscher zitieren die DisTrO- und DeMo-Methoden von Nous, wenn sie bandbreiteneffizientes verteiltes Modelltraining untersuchen.
Hobbyisten und kleine Unternehmen optimieren die von Nous veröffentlichten Datensätze, um domänenspezifische Assistenten zu erstellen.
Das Psyche-Netzwerk wird verwendet, um mit Trainingsmodellen auf geografisch verteilten freiwilligen GPUs zu experimentieren.
Risiken und Leitplanken
Markteinführungsankündigungen können die Stabilität realer Produktionsabläufe übertreffen.
API-Preise oder Richtlinienänderungen können Annahmen über Nacht zunichte machen.
Die Abhängigkeit von einem einzigen Anbieter erhöht die Bindungs- und Migrationskosten.
Implementierungs-Roadmap
Bewerten Sie Anbieter anhand Ihrer eigenen Aufgaben und Datensätze.
Lesen Sie vor der Integration Datenschutz, Sicherheit und rechtliche Bestimmungen.
Pflegen Sie einen Fallback-Plan für alle Modelle oder Anbieter.
Überwachen Sie die Versionshinweise, damit Roadmap-Änderungen die Teams nicht überraschen.
Entdecken Sie weiter
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Nous Research quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Häufig gestellte Fragen
Was ist Nous Research?
Nous Research ist ein von der Community betriebenes KI-Labor, das dafür bekannt ist, beliebte offene Modelle in hochleistungsfähige, weniger eingeschränkte Assistenten zu verfeinern und dezentrales Training voranzutreiben. Es zeigt, wie ein kleines Team und eine Open-Source-Community in der Modellqualität konkurrieren können, ohne über eine riesige Infrastruktur zu verfügen.
Wofür ist Nous Research seit seinem frühen Aufstieg am bekanntesten?
Nous erlangte Bekanntheit durch die Feinabstimmung offener Modelle wie Llama und Mistral in die beliebte Hermes-Familie.
Welche Basismodelle wurden von Nous am häufigsten verfeinert?
Die Hermes- und Capybara-Serien von Nous basieren auf Modellen mit offener Basis, insbesondere Llama und Mistral.
Welches Problem adressieren die DisTrO- und DeMo-Projekte von Nous?
DisTrO und der DeMo-Optimierer zielen darauf ab, die normalerweise erforderliche Inter-GPU-Bandbreite zu reduzieren und das Training über normale Internetverbindungen zu ermöglichen.
Was ist das Psyche-Netzwerk?
Psyche ist das dezentrale Trainingsnetzwerk von Nous, das untersucht, wie man verstreute GPUs bündelt, um große Modelle zu trainieren.
Welche Technik verwendet Nous normalerweise, um seine fein abgestimmten Modelle auszurichten?
Nous wendet überwachte Feinabstimmung und Präferenzoptimierung zusätzlich zu offenen Basisgewichten unter Verwendung kuratierter Datensätze an.
Lerne weiter
Verwandte Leitfäden
Weitere Leitfäden zu diesem Thema ausgewählt