Amazon SageMaker HyperPod で GPT-OSS-20B を多言語推論向けにファインチューニングした方法と、教師ありファインチューニング（SFT）と GRPO による強化学習のどちらを選ぶかを判断する方法をご紹介します。SFT により推論言語の精度は 22% から 100% に向上し、GRPO は改善の余地がある領域で測定可能な向上をもたらしました。
news
Amazon SageMaker HyperPodで多言語推論のためにGPT-OSS-20Bをファインチューニングする
GPT-OSS-20BをAmazon SageMaker HyperPod上で多言語推論向けにファインチューニングした方法と、教師ありファインチューニング（SFT）とGRPOによる強化学習のどちらを選ぶかを判断する方法をご紹介します。SFTにより推論言語の精度は22%から100%に向上し、GRPOは改善の余地がある領域で測定可能な向上をもたらしました。