Keegan Wang ve çalışma arkadaşları, evde bakım hizmeti veren kuruluşlar için düşük maliyetli bir planlama asistanının nasıl geliştirilebileceğini gösterdi. Önce büyük GPT-5.4-nano modelinden gerçek zamanlı evet/hayır güvenlik kararları topladılar. Ardından 8 milyar parametreli küçük bir Qwen3 modelini bu kararlardan 11,6 binini kullanarak ince ayardan geçirdiler. Küçük model, öğretmen modelle kararların %91,3’ünde aynı sonuca varıyor; yaklaşık 2,5 kat daha hızlı çalışıyor ve maliyeti çok daha düşük.
Neden önemli
Evde bakım kuruluşları, karar kalitesinden ödün vermeden daha düşük maliyetli ve hızlı bir modeli kullanıma alabilir.
