Heidi使用Fireworks的训练API，对NVIDIA的开源模型Nemotron 3 Ultra（拥有5500亿个参数）进行监督微调（SFT），随后又应用强化学习（RL）。模型量化至NVIDIA的NVFP4精度后，他们将该检查点部署在专用GPU上。在临床医生参与的实时并排比较中，经过后训练的模型有54%的胜率，高于基础检查点约42%的胜率。
为什么重要
临床医生可以依靠由自己掌控的模型，按需更新并部署在本地，满足对数据驻留有严格要求的医院的需求。
Heidi借助Fireworks微调NVIDIA Nemotron 3 Ultra，面向临床AI
Heidi在Fireworks上对550B参数的Nemotron 3 Ultra进行后训练。在与现用前沿模型的临床医生实时并排测试中，该模型胜率达到54%。
简讯作者： OossaOossa 发布日期: 1 分钟阅读
继续阅读
Oossa · 新闻简报
一周 AI，讲明白
每周一，用通俗的语言讲清值得知道的新闻。免费，无垃圾邮件。