Heidi utilizó la API de entrenamiento de Fireworks para ajustar mediante supervisión (SFT) y luego aplicar aprendizaje por refuerzo (RL) a Nemotron 3 Ultra de NVIDIA, un modelo abierto de 550 mil millones de parámetros. Tras cuantizarlo a la precisión NVFP4 de NVIDIA, desplegó el punto de control en GPU dedicadas. En comparaciones clínicas en directo, lado a lado, el modelo entrenado posteriormente superó al modelo que ya estaba en producción el 54% de las veces, frente a cerca del 42% del punto de control base.
Por qué importa
Los profesionales clínicos pueden confiar en un modelo que controlan, lo que permite actualizarlo y desplegarlo en las instalaciones de hospitales con estrictas normas de residencia de datos.
