Palantir 本体微调后 Nemotron 30B 击败 18 倍体积模型

BrettKrieger12 · x · 2026-10-22

据 Palantir 案例数据，用其 Ontology 后训练微调的 NVIDIA Nemotron 模型表现出人意料：在 RFI 自动分类任务中，微调后的 Nemotron 3 Nano 4B 平衡准确率约 73.5%，成本仅约 $0.1/1M tokens，远超 Claude Sonnet 5.5（约 66%）和 GPT-6 Astra（约 62.5%，$20/1M）；微调前同一模型准确率仅约 53%。在 Tampa General Hospital 的医疗决策模型任务中，Nemotron 3.5 Lightning 30B 微调后精确准确率 95.7%、延迟 58ms，击败 Claude Opus 5.5（88.6%、1627ms），即以约 1/18 体积、约 1/28 延迟取得更优结果——用小模型+领域本体微调替代大模型可大幅省 token 并提升精度。