Heidi ha utilizzato l’API di training di Fireworks per applicare il fine-tuning supervisionato (SFT) e poi il reinforcement learning (RL) a Nemotron 3 Ultra di NVIDIA, un modello aperto con 550 miliardi di parametri. Dopo averlo quantizzato alla precisione NVFP4 di NVIDIA, ha distribuito il checkpoint su GPU dedicate. Nei confronti diretti con i clinici, il modello post-addestrato ha superato quello già in produzione nel 54% dei casi, rispetto a circa il 42% ottenuto dal checkpoint di base.
Perché conta
I clinici possono affidarsi a un modello sotto il loro controllo, aggiornabile e installabile in sede negli ospedali soggetti a rigide regole sulla localizzazione dei dati.
