研究人员用 GPT-5.4-nano 训练低成本居家护理排班模型

团队将前沿模型的实时决策提炼成小型 Qwen3‑8B 模型，速度提升 2.5 倍、成本更低，同时保持准确度。

简讯作者： OossaOossa 发布日期: 2026年10月14日 08:41 UTC1 分钟阅读

Keegan Wang 及其同事展示了如何为居家护理机构打造低成本排班助手。他们先收集大型 GPT-5.4-nano 模型实时作出的安全判断（是或否），再用其中 11.6 k 条决策对一款拥有 80 亿参数的 Qwen3 小模型进行微调。小模型与教师模型的判断一致率为 91.3%，运行速度约快 2.5 倍，成本也只是原模型的一小部分。