AI 报告 · Amazon · 2026-10-20 · 博客 / 评论
在 Amazon SageMaker HyperPod 上针对多语言推理微调 GPT-OSS-20B
原标题: Fine-tuning GPT-OSS-20B for multilingual reasoning on Amazon SageMaker HyperPod
GPT-OSS-20B 是一个以英语进行思考的开放权重推理模型；在一项包含 50 个样本的多语言推理测试中，基础模型仅有 22% 的情况会以正确的目标语言进行推理。在 Amazon SageMaker HyperPod 上进行微调时，监督微调（SFT）将推理语言的准确率从 22% 提升至 100%，而在存在提升空间的地方，基于 GRPO 的强化学习带来了可衡量的额外收益。关键在于让技术与能力差距相匹配：SFT 完成了大部分工作，而 GRPO 则在存在提升空间时进行精细优化。