在 Amazon SageMaker HyperPod 上微调 GPT-OSS-20B 实现多语言推理

GPT-OSS-20B 在 50 例多语言推理测试中仅 22% 用目标语言推理，法语、西班牙语、意大利语均为 0%。团队在 Amazon SageMaker HyperPod 上用 LoRA 对比 SFT 与 GRPO：SFT 负责教会模型原本不具备的行为，GRPO 只在模型已有一定概率产出目标行为时才有增益。