基准测试表现
| 基准 | 得分 | 单位 | 评测日期 | 备注 | 来源 |
|---|
| MMLU | 83.9 | % | 2024-08-12 | 5-shot | 查看 |
| HUMANEVAL | 89 | pass@1 | 2024-08-12 | — | 查看 |
| GSM8K | 88.9 | % | 2024-08-12 | 0-shot CoT | 查看 |
| MATH | 65.7 | % | 2024-08-12 | 0-shot CoT | 查看 |
| BBH | 82.1 | % | 2024-08-12 | 3-shot CoT | 查看 |
| GPQA | 40.5 | % | 2024-08-12 | 0-shot | 查看 |
| IFEVAL | 78.2 | % | 2024-08-12 | prompt_strict | 查看 |
| ARC | 94.5 | % | 2024-08-12 | challenge | 查看 |
| MUSR | 57.7 | % | 2024-08-12 | 0-shot | 查看 |
| WINOGRANDE | 86.5 | % | 2024-08-12 | 0-shot | 查看 |
合规性
- 数据驻留: self-host
- SOC2: ✗
- HIPAA: ✗
- GDPR: ✗
- ISO 27001: ✗
Hermes 3 Llama 3.1 405B
模型概述
NousResearch Hermes 3 Llama 3.1 405B 微调模型, 131K 上下文, 改进中立性与推理, 性能超越基座模型。
核心规格
| 厂商 | 版本 | 发布日期 | 上下文窗口 | 输入模态 | 输出模态 | 许可证 |
|---|
| Other | hermes-3-llama-3-1-405b | 2024-08-12 | 131K | text | text | Llama 3.1 Community License |
基准测试表现
| 基准 | 得分 | 单位 | 备注 |
|---|
| MMLU (Massive Multitask Language Understanding) | 83.9 | % | 5-shot |
| HumanEval | 89.0 | pass@1 | — |
| GSM8K (Grade School Math 8K) | 88.9 | % | 0-shot CoT |
| MATH | 65.7 | % | 0-shot CoT |
| BBH (BIG-Bench Hard) | 82.1 | % | 3-shot CoT |
| GPQA | 40.5 | % | 0-shot |
| IFEval | 78.2 | % | prompt_strict |
| ARC | 94.5 | % | challenge |
| MUSR | 57.7 | % | 0-shot |
| WinoGrande | 86.5 | % | 0-shot |
定价
每百万 token
优势
- MMLU 得分 83.9，知识推理能力强。
- HumanEval 89.0，代码生成能力出色。
- GSM8K 88.9，数学推理稳健。
劣势
适用场景
参考文献