AWS演示GPT-OSS-20B多语言微调方案

AWS在博客中介绍了如何在Amazon SageMaker HyperPod上通过监督微调（SFT）和组相对策略优化（GRPO）提升GPT-OSS-20B的多语言推理能力。针对该模型在多语言测试中仅22%案例使用目标语言的问题，AWS称结合两种方法能有效解决非英语用户的语言切换难题。 具体而言，SFT用于建立基础行为模式，而GRPO则进一步优化已有能力。AWS指出，在某些场景下单独使用SFT已足够，而在其他情况下叠加GRPO能带来可量化的性能提升。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。