AWS展示GPT-OSS-20B多语言推理微调方法

AWS 展示了在 Amazon SageMaker HyperPod 上微调 GPT-OSS-20B 的内部实验，提出由监督微调（SFT）学习主要行为，再在仍有提升空间时用群组相对策略优化（GRPO）进一步优化。 AWS 报告，基础模型在 50 个多语言测试用例中，仅有 22% 使用目标语言推理。实验据此强调，应根据模型的具体能力缺口选择微调方法，而非一律采用同一种训练方式。

AI 根据报道生成 · 1 天前更新

还没有足够的连续观测数据，暂不绘制趋势。