AWS 演示在 SageMaker HyperPod 上微调 GPT-OSS-20B 实现多语言推理

AWS 展示如何在 Amazon SageMaker HyperPod 上通过 SFT 和 GRPO 微调 GPT-OSS-20B，解决其非英语推理时仍输出英文的问题。基础模型在多语言测试中正确推理率仅 22%，微调后显著提升目标语言一致性。实验表明 SFT 能教授新行为，而 GRPO 仅在模型已有能力基础上进行优化。