AWS 详解在 Amazon SageMaker HyperPod 上微调 GPT-OSS-20B 多语言推理能力

AWS 介绍了在 Amazon SageMaker HyperPod 上结合 SFT 与 GRPO 微调开源模型 GPT-OSS-20B 的实践方案。实验表明，SFT 负责引入模型不具备的基础行为，将推理语言准确率从 22% 提升至 100%；GRPO 则用于在已有空间中优化行为，使答案语言准确率从 62% 进一步提升至 70%。