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

在 Amazon SageMaker HyperPod 上对 GPT-OSS-20B 做 LoRA 微调，用 SFT 与 GRPO 提升其多语言推理能力。基座模型在 50 例多语言推理测试中仅 22% 用目标语言推理（英语 100%、法语 0%、德语 10%、西班牙语 0%、意大利语 0%）。结论是 SFT 承担主要工作，GRPO 在存在提升空间时进一步优化，技术选择需匹配能力差距。