# هایدی مدل Nemotron 3 Ultra انویدیا را برای هوش مصنوعی بالینی بهینه کرد

> هایدی مدل 550B Nemotron 3 Ultra را با Fireworks پس‌آموزش داد و در آزمون‌های زنده و مقایسه‌ای پزشکان، در برابر مدل پیشرفته فعلی خود به نرخ برد 54٪ رسید.

Oossa · 2026-10-23 · https://oossa.com/fa/heidi-fine-tunes-nvidia-nemotron-3-ultra-on-fireworks-for-clinical-ai

هایدی با استفاده از API آموزشی Fireworks، مدل متن‌باز 550 میلیاردپارامتری Nemotron 3 Ultra انویدیا را ابتدا با یادگیری نظارت‌شده (SFT) ریزتنظیم کرد و سپس روی آن یادگیری تقویتی (RL) انجام داد. پس از کوانتیزه‌کردن مدل با دقت NVFP4 انویدیا، نسخه نهایی را روی GPUهای اختصاصی مستقر کرد. در مقایسه‌های زنده و رو‌در‌روی پزشکان، مدل پس‌آموزش‌دیده 54٪ مواقع از مدل فعلیِ در حال استفاده پیشی گرفت؛ این رقم برای نسخه پایه حدود 42٪ بود.

## حقایق

- نرخ برد نسخه پایه: حدود 42٪؛ نرخ برد نسخه پس‌آموزش‌دیده: حدود 54٪
- اندازه مدل: در مجموع 550 میلیارد پارامتر، با 55 میلیارد پارامتر فعال در هر توکن

## چرا مهم است

پزشکان می‌توانند به مدلی متکی باشند که کنترلش در اختیار خودشان است؛ در نتیجه، به‌روزرسانی مدل و استقرار آن در محل بیمارستان برای مراکزی که قوانین سخت‌گیرانه‌ای درباره محل نگهداری داده دارند، ممکن می‌شود.

## منابع و ارجاع‌ها

1. [Heidi trains and deploys NVIDIA Nemotron 3 Ultra on Fireworks](https://fireworks.ai/customers/heidi-trains-and-deploys-nvidia-nemotron-3-ultra-on-fireworks/) – Fireworks AI

آخرین به‌روزرسانی: 2026-10-23