Keegan Wang och hans kollegor visade hur man kan bygga en billig schemaläggningsassistent för hemtjänstföretag. Först samlade de in GPT-5.4-nanos säkerhetsbedömningar i realtid, där modellen svarade ja eller nej. Därefter finjusterade de en mindre Qwen3-modell med 8 miljarder parametrar på 11,6 k av dessa beslut. Den mindre modellen ger samma svar som sin lärare i 91,3 % av fallen, körs ungefär 2,5 gånger snabbare och kostar bara en bråkdel så mycket.
Varför det spelar roll
Hemtjänstföretag kan använda en snabbare och billigare modell utan att tumma på kvaliteten i besluten.
