# آموزش مدل ارزان‌تر برای زمان‌بندی مراقبت در منزل با GPT-5.4-nano

> پژوهشگران تصمیم‌های لحظه‌ای یک مدل پیشرفته را به مدل کوچک Qwen3‑8B منتقل کردند؛ سرعت اجرا ۲٫۵ برابر شد و هزینه کاهش یافت، بی‌آنکه دقت افت کند.

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

کیگان وانگ و همکارانش روشی برای ساخت دستیار زمان‌بندی کم‌هزینه برای شرکت‌های خدمات مراقبت در منزل نشان دادند. آن‌ها ابتدا تصمیم‌های ایمنیِ بله یا خیر را در لحظه، از مدل بزرگ GPT-5.4-nano گردآوری کردند. سپس یک مدل کوچک Qwen3 با ۸ میلیارد پارامتر را با ۱۱٫۶ هزار مورد از این تصمیم‌ها ریزتنظیم کردند. مدل کوچک در ۹۱٫۳ درصد موارد با مدل مرجع هم‌نظر است، حدود ۲٫۵ برابر سریع‌تر اجرا می‌شود و هزینه‌اش کسری از هزینه مدل اولیه است.

## حقایق

- مقاله در 14 اکتبر 2026 منتشر شد
- مدل Qwen3‑8B که با ۱۱٫۶ هزار تصمیم ریزتنظیم شده، به میزان توافق ۰٫۹۱۳ با GPT-5.4-nano می‌رسد

## چرا مهم است

شرکت‌های خدمات مراقبت در منزل می‌توانند بدون افت کیفیت تصمیم‌گیری، مدلی سریع‌تر و کم‌هزینه‌تر به کار بگیرند.

## منابع و ارجاع‌ها

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

آخرین به‌روزرسانی: 2026-10-14