AWS Machine Learning Blog· Mijanur Palash· 机构原始发布·· 6 天前精选
在 Amazon SageMaker HyperPod 上微调 GPT-OSS-20B 实现多语言推理：SFT 与 GRPO 的取舍
原文标题
Fine-tuning GPT-OSS-20B for multilingual reasoning on Amazon SageMaker HyperPod
AI 导读
基座 GPT-OSS-20B 在 50 例多语言推理测试中仅 22% 按目标语言推理（英 100%、法/西/意 0%、德 10%）。作者在 SageMaker HyperPod 上用 LoRA 微调，结论是 SFT 完成主要工作，GRPO 只在有能力提升空间时起作用；另用 Qwen2.5-7B 做对照实验验证该规律。
来源：AWS Machine Learning Blog · aws.amazon.com
导读与选稿说明
给出了 SFT 与 GRPO 何时各自动手的可复用判断标准和完整训练栈配置，帮助团队针对非英语用户定制开源推理模型。
导读由模型辅助整理，非独立核验。完整信息见原文。