Keegan Wang und seine Kolleginnen und Kollegen zeigen, wie sich für häusliche Pflegedienste ein günstiger Planungsassistent entwickeln lässt. Zunächst sammelten sie in Echtzeit Ja-Nein-Sicherheitsentscheidungen des großen Modells GPT-5.4-nano. Anschließend trainierten sie ein kleines Qwen3-Modell mit 8 Milliarden Parametern anhand von 11,6 k dieser Entscheidungen weiter. In 91,3 % der Fälle stimmt das kleine Modell mit dem Lehrermodell überein. Es arbeitet etwa 2,5-mal schneller und kostet nur einen Bruchteil des ursprünglichen Modells.
Warum es wichtig ist
Häusliche Pflegedienste können ein günstiges, schnelleres Modell einsetzen, ohne bei der Qualität der Entscheidungen Abstriche zu machen.
