# باحثون يدرّبون نموذجًا أرخص لجدولة الرعاية المنزلية

> نقل فريق قرارات آنية من نموذج متطور إلى نموذج Qwen3‑8B صغير، فقلّل زمن الاستجابة 2.5× وخفّض التكلفة مع الحفاظ على الدقة.

Oossa · 2026-10-14 · https://oossa.com/ar/researchers-use-gpt-5-4-nano-to-train-cheaper-home-care-scheduling-model

عرض كيغان وانغ وزملاؤه طريقة لبناء مساعد منخفض التكلفة لجدولة خدمات وكالات الرعاية المنزلية. جمعوا أولًا قرارات سلامة آنية بنعم أو لا من نموذج GPT‑5.4‑nano الكبير، ثم درّبوا نموذج Qwen3 صغيرًا يضم 8 مليارات مُعامل على 11.6 k من هذه القرارات. ويتفق النموذج الصغير مع النموذج المعلّم في 91.3% من الحالات، ويعمل بسرعة أكبر بنحو 2.5 مرة، وبتكلفة أقل بكثير.

## الحقائق

- نُشرت الورقة في Oct 14 2026
- حقق نموذج Qwen3‑8B، بعد ضبطه على 11.6 k قرارًا، نسبة اتفاق قدرها 0.913 مع GPT‑5.4‑nano

## لماذا يهم

يمكن لوكالات الرعاية المنزلية نشر نموذج أسرع وأقل تكلفة من دون التضحية بجودة القرارات.

## المصادر والمراجع

1. [Iterate on an LLM, Serve on an SLM](https://arxiv.org/abs/2610.14576) – arXiv, 2026-10-14

آخر تحديث: 2026-10-14