事件记录历史事件
微调 GPT-OSS-20B 多语言推理能力并对比 SFT 与 GRPO 效果
1 篇报道1 个报道来源6 天前更新
先了解这件事
报道摘要
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。
摘自 AWS Machine Learning Blog
报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- AWS Machine Learning Blog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
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。