单卡 27.5 分钟微调 Qwen3.5-4B，USMLE 准确率 66.7% 升至 74.5%

Maziyar Panahi 使用 Unsloth 的 decision-model 训练配方微调 Qwen3.5-4B，在单张 GPU 上用时 27.5 分钟。在训练中从未见过的 MedQA 测试集上，总体正确率从 66.7% 提升至 74.5%，校准误差从 0.088 降至 0.024。该实验展示了低成本 decision-model 配方在小模型上的微调收益。