HERMES هي ركيزة تمية مشتقة من البيانات تستخدم تحويلًا دلاليًا متعلمًا وكمّية متجهية متبقية في 3 مراحل لتعليق المستندات كرمز من الخشن إلى الناعم مع ما يصل إلى حوالي 130k خلية.
- يتيح التحكم في الدقة عبر طول البادئة، متجاوزًا قيود التسميات الموجودة التي تلتزم بمحور دلالي واحد.
- عند الدقة الخشنة، تتفوق HERMES بشكل مماثل لطرق عائلة KMeans على مقاييس التجميع القياسية.
- في التدريب المسبق بـ 1 مليار معلمة و25 مليار رمز، أدى دمج تباين قواعد المرحلة الثانية مع تغطية متساوية للحُفر الفرعية إلى رفع متوسط قدرة 16 مهمة بمقدار +0.0253.
- اختفى مكسب الأداء عند المستويات الأكثر نعومة حيث انكمشت مجموعات المرشحين بحوالي 5 مرات.
إعادة صياغة تصميم مزيج البيانات من اختيار بين مجموعات تسمية ثابتة إلى التنقل في تسلسل هرمي للدقة قابل لإعادة الاستخدام ومشتق من البيانات.