GPT-OSS-20B 在 Amazon SageMaker HyperPod 上的多语言推理微调

GPT-OSS-20B 基座模型在多语言推理测试中仅22%正确使用目标语言生成链式思维。在 Amazon SageMaker HyperPod 上用 HuggingFaceH4/Multilingual-Thinking 数据集（约949训练样本，覆盖英/法/德/西/意五语）结合 SFT 与 GRPO 进行 LoRA 微调，可弥合这一差距。