Keegan Wang et ses collègues ont montré comment créer un assistant de planification peu coûteux pour les agences de soins à domicile. Ils ont d’abord recueilli les décisions de sécurité par oui ou par non prises en temps réel par le grand modèle GPT‑5.4‑nano. Ils ont ensuite affiné un petit modèle Qwen3 de 8 milliards de paramètres à partir de 11,6 k de ces décisions. Le petit modèle concorde avec le modèle enseignant dans 91,3 % des cas, fonctionne environ 2,5 fois plus vite et coûte une fraction du prix du modèle initial.
Pourquoi c'est important
Les agences de soins à domicile peuvent déployer un modèle plus rapide et moins coûteux sans sacrifier la qualité des décisions.
