# 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。

Oossa · 2026-10-14 · https://oossa.com/zh/researchers-use-gpt-5-4-nano-to-train-cheaper-home-care-scheduling-model

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。

## 事实

- 论文发表于 2026 年 10 月 14 日
- Qwen3‑8B 经 11.6 k 条决策微调后，与 GPT-5.4-nano 的判断一致率达到 0.913

## 为什么重要

居家护理机构可以部署成本更低、速度更快的模型，同时不牺牲决策质量。

## 来源与参考

1. [Iterate on an LLM, Serve on an SLM](https://arxiv.org/abs/2610.14576) – arXiv, 2026-10-14

最后更新: 2026-10-14