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

GPT-OSS-20B 开源权重推理模型默认只用英语思考，在多语言推理测试中仅 22% 的情况使用目标语言生成思维链。AWS 在 Amazon SageMaker HyperPod 上用 HuggingFaceH4/Multilingual-Thinking 数据集微调该模型，对比监督微调（SFT）与 GRPO 的效果。