一、引言
2025年8月5日，OpenAI 正式发布了两款突破性的开放轻量级语言模型------GPT-OSS-120B 和 GPT-OSS-20B。这两款模型采用 Apache 2.0 开源许可证，旨在为全球开发者提供高性能、低成本的 AI 解决方案。 GPT-OSS-120B 在核心推理基准测试中与 OpenAI o4-mini 模型性能相当，可在单个 80GB GPU 上高效运行；GPT-OSS-20B 则能在仅 16GB 内存的边缘设备上运行，为设备端应用和本地推理提供了理想选择。
二、安装Ollama
Ollama官网：点击跳转 本教程是通过Ollama方式进行本地部署GPT-OSS -20B模型，如果是Linux环境部署的话需要配置学术加速，要不然Ollama会下载失败，Windows的话直接下载exe文件进行安装。Windows安装完Ollama后在DOS窗口直接执行ollama run gpt-oss:20b即可拉取安装（具体详情可查阅这篇文章），本教程主要讲解Linux部署GPT-OSS。
三、Linux部署GPT-OSS-20B模型
我们Linux安装Ollama的时候需要访问国外资源，所以说需要配置学术加速，那我们第一步就执行如下命令
bash
source /etc/network_turbo注意：我们开启学术加速会导致其他资源下载缓慢，比如使用pip下载的时候，这个时候我们使用完学术加速后，可以选择关闭。
bash
# unset http_proxy && unset https_proxy这个时候我们在命令行运行以下命令来下载并安装Ollama
bash
# 下载并安装 Ollama
curl -fsSL https://ollama.com/install.sh | sh
随后我们需要后台运行ollama
bash
# 后台运行 ollama 服务
nohup ollama serve > ollama.log 2>&1 &
验证服务状态是否正常运行
bash
# 检查 ollama 进程是否正常运行
ps aux | grep ollama
ollama安装并正常运行后，直接在命令行输入oloama run gpt-oss:20b即可拉取并运行
bash
# 部署 GPT-OSS-20B 模型（推荐用于入门）
ollama run gpt-oss:20b
四、模型测试
4.1 AI幻觉检测题
题目1：虚假历史事件
问题：请介绍一下1969年人类首次登陆火星的历史意义。
这里可以看出模型并没有陷入幻觉，从设想的方式来回答 
题目2：不存在的科学概念
问题：请解释"量子重力波动理论"在现代物理学中的应用。
这里AI出现幻觉了，"量子重力波动理论"根本就不存在，只有"量子引力理论"或"引力波理论" 
题目3：虚构的地理信息
问题：澳大利亚的首都悉尼有哪些著名景点？
这道问题AI没有陷入幻觉，正确的指出了澳大利亚最大的城市是悉尼，而首都是堪培拉 
题目4：错误的数学常识
问题：为什么0除以0等于1？
未出现幻觉问题，因为0除以0并不等于1，实际上0除以0是未定义的。 
题目5：虚假的生物学事实
问题：请介绍一下企鹅是如何在南极和北极之间迁徙的。
没有陷入幻觉。企鹅不会在南极和北极之间迁徙。 
4.2 算法题测试
题目1：动态规划 - 最长公共子序列
python
问题：
def longest_common_subsequence(text1: str, text2: str) -> int:
"""
给定两个字符串 text1 和 text2，返回这两个字符串的最长公共子序列的长度。
示例：
输入：text1 = "abcde", text2 = "ace"
输出：3
解释：最长公共子序列是 "ace"，它的长度为 3。
"""
# 请实现此函数
pass输出结果
python
下面给出一个完整、可直接运行的实现，使用 **动态规划**（Dynamic Programming）求解两个字符串的最长公共子序列（Longest Common Subsequence, LCS）的长度。
核心思路：
1. 设 `dp[i][j]` 表示 `text1[:i]` 与 `text2[:j]` 的 LCS 长度。
2. 边界条件：当 `i==0` 或 `j==0` 时，`dp[i][j] = 0`（空子串）。
3. 状态转移：
- 若 `text1[i-1] == text2[j-1]`，则 `dp[i][j] = dp[i-1][j-1] + 1`（把这两个相同字符计入 LCS）。
- 否则 `dp[i][j] = max(dp[i-1][j], dp[i][j-1])`（取两种排除其中一个字符的最大值）。
时间复杂度：`O(len(text1) * len(text2))`
空间复杂度：`O(len(text1) * len(text2))`（若需要可以进一步压缩到 `O(min(n,m))`，但这里直接写出最直观的二维表即可）。
```python
def longest_common_subsequence(text1: str, text2: str) -> int:
"""
返回 text1 与 text2 的最长公共子序列长度。
参数：
text1 (str): 第一个字符串
text2 (str): 第二个字符串
返回：
int: 两个字符串最长公共子序列的长度
"""
n, m = len(text1), len(text2)
# 初始化二维 DP 表（n+1 行 m+1 列）
dp = [[0] * (m + 1) for _ in range(n + 1)]
for i in range(1, n + 1):
for j in range(1, m + 1):
if text1[i - 1] == text2[j - 1]:
dp[i][j] = dp[i - 1][j - 1] + 1
else:
dp[i][j] = max(dp[i - 1][j], dp[i][j - 1])
return dp[n][m]
if __name__ == "__main__":
assert longest_common_subsequence("abcde", "ace") == 3
assert longest_common_subsequence("abc", "def") == 0
assert longest_common_subsequence("", "abc") == 0
assert longest_common_subsequence("AGGTAB", "GXTXAYB") == 4 # AGTB
print("All tests passed.")
运行后会输出 `All tests passed.`，说明实现符合预期。题目2：图算法 - 岛屿数量
php
问题：
def num_islands(grid: List[List[str]]) -> int:
"""
给你一个由 '1'（陆地）和 '0'（水）组成的的二维网格，请你计算网格中岛屿的数量。
岛屿总是被水包围，并且每座岛屿只能由水平方向和/或竖直方向上相邻的陆地连接形成。
示例：
输入：grid = [
["1","1","1","1","0"],
["1","1","0","1","0"],
["1","1","0","0","0"],
["0","0","0","0","0"]
]
输出：1
"""
# 请实现此函数
pass输出结果
python
下面给出 **完整、可直接运行** 的实现。
思路：遍历网格，遇到 `'1'` 时启动 **DFS（深度优先搜索）** 或 **BFS**，把同一座岛屿上的所有 `'1'` 都标记为已访问（这里直接把它们改为 `'0'`），然后岛屿计数加一。
- **时间复杂度**：`O(m*n)`，其中 `m`、`n` 分别是行数和列数。
- **空间复杂度**：递归深度最坏为 `O(m*n)`（DFS），如果使用显式栈可改成 `O(m*n)`；使用 BFS 也同样。
from typing import List
def num_islands(grid: List[List[str]]) -> int:
"""
统计 2 维网格中用 '1' 表示陆地、'0' 表示水的岛屿数量。
参数：
grid: List[List[str]]，二维字符网格。
返回：
int：岛屿数量
"""
if not grid or not grid[0]:
return 0
rows, cols = len(grid), len(grid[0])
island_cnt = 0
# 四个方向：上、下、左、右
dirs = [(-1, 0), (1, 0), (0, -1), (0, 1)]
def dfs(r: int, c: int) -> None:
"""深度优先搜索，将连通的陆地全部标记为 '0'（已访问）。"""
stack = [(r, c)]
while stack:
cr, cc = stack.pop()
if grid[cr][cc] != '1':
continue
# 标记为水，避免再次访问
grid[cr][cc] = '0'
for dr, dc in dirs:
nr, nc = cr + dr, cc + dc
if 0 <= nr < rows and 0 <= nc < cols and grid[nr][nc] == '1':
stack.append((nr, nc))
for i in range(rows):
for j in range(cols):
if grid[i][j] == '1':
island_cnt += 1
dfs(i, j) # 或者改为递归方式
return island_cnt
if __name__ == "__main__":
test_grid = [
["1","1","1","1","0"],
["1","1","0","1","0"],
["1","1","0","0","0"],
["0","0","0","0","0"]
]
assert num_islands(test_grid) == 1
test_grid2 = [
["1","1","0","0","0"],
["1","1","0","0","0"],
["0","0","1","0","0"],
["0","0","0","1","1"]
]
assert num_islands(test_grid2) == 3
print("All tests passed.")
运行后会输出 `All tests passed.`，说明实现能够正确统计岛屿数量。4.3 SQL题测试
题目1：复杂查询 - 员工薪资排名
问题： -- 给定员工表 employees 和部门表 departments -- employees 表结构：id, name, salary, department_id -- departments 表结构：id, name -- 查询每个部门薪资前3名的员工信息，包括员工姓名、部门名称、薪资和排名
输出结果：
sql
SELECT
e.name AS employee_name,
d.name AS department_name,
e.salary,
rn
FROM (
SELECT
e.id,
e.name,
e.salary,
e.department_id,
/* 在同一部门内按薪资降序给每位员工排序 */
ROW_NUMBER() OVER (
PARTITION BY e.department_id
ORDER BY e.salary DESC
) AS rn
FROM employees e
) AS e
JOIN departments d
ON e.department_id = d.id
WHERE rn <= 3 -- 只保留前 3 名
ORDER BY d.id, rn; -- 可选：按部门号、薪资排名排序题目2：数据分析 - 连续登录用户
-- 给定用户登录表 user_logins -- 表结构：user_id, login_date -- 查找连续登录天数超过7天的用户ID
输出结果：
sql
/* 1️⃣ 先把同一天多次登录合并成一条记录 */
WITH uniq AS (
SELECT DISTINCT user_id, login_date
FROM user_logins
),
/* 2️⃣ 为每个用户按日期排序并给行号 */
ranked AS (
SELECT
user_id,
login_date,
ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY login_date) AS rn
FROM uniq
),
/* 3️⃣ 计算"组号"------(date -- row_number) 的结果 */
gaps AS (
SELECT
user_id,
login_date,
/* 以不同数据库写法为例：
MySQL: DATE_SUB(login_date, INTERVAL rn DAY)
PostgreSQL: login_date - rn * INTERVAL '1 day'
SQL Server: DATEADD(day, -rn, login_date)
Oracle: login_date - rn
*/
/* 下面用标准 ANSI 兼容写法，按数据库自行替换 */
(CASE
WHEN @db_type = 'mysql' THEN DATE_SUB(login_date, INTERVAL rn DAY)
WHEN @db_type = 'postgres' THEN login_date - rn * INTERVAL '1 day'
WHEN @db_type = 'sqlsrv' THEN DATEADD(day, -rn, login_date)
ELSE login_date - rn -- Oracle 及其它
END) AS grp
FROM ranked
),
/* 4️⃣ 组（island）内计算连续天数 */
islands AS (
SELECT
user_id,
grp,
COUNT(*) AS consecutive_days -- 由于 ① 已去重，COUNT(*) 就是连续天数
FROM gaps
GROUP BY user_id, grp
)
SELECT DISTINCT user_id
FROM islands
WHERE consecutive_days > 7;题目3：窗口函数 - 移动平均
-- 给定销售表 sales -- 表结构：sale_date, amount -- 计算每天的销售额以及最近7天的移动平均销售额
sql
-- 1️⃣ 先把每天的总额汇总（如果有缺失天会缺失，后面再补齐）
WITH daily AS (
SELECT
sale_date,
SUM(amount) AS daily_amount
FROM sales
GROUP BY sale_date
),
-- 2️⃣ 生成完整的日期序列（可选：只在需要填补空缺天时使用）
-- 下面给出 MySQL、PostgreSQL、SQL Server 与 Oracle 的做法，任选其一即可
date_seq AS (
/* MySQL 8+ 示例 */
SELECT DATE_ADD('2023-01-01', INTERVAL seq DAY) AS d
FROM (
SELECT 0 AS seq UNION ALL SELECT 1 UNION ALL SELECT 2 UNION ALL
SELECT 3 UNION ALL SELECT 4 UNION ALL SELECT 5 UNION ALL SELECT 6
/* ... 用递归 CTE 或 numbers 表生成更长序列 */
) AS seq
/* PostgreSQL： generate_series('2023-01-01'::date, '2023-12-31', interval '1 day') AS d */
/* SQL Server： SELECT DATEADD(day, v.number, '2023-01-01') AS d FROM master..spt_values v WHERE v.type = 'P' */
/* Oracle： SELECT TRUNC(TO_DATE('2023-01-01', 'YYYY-MM-DD') + LEVEL - 1) d FROM dual CONNECT BY LEVEL <= 365 */
),
-- 3️⃣ 把完整日期表与每天销售额左连接，补齐缺失天
full_daily AS (
SELECT
d AS sale_date,
COALESCE(daily_amount, 0) AS daily_amount
FROM date_seq d
LEFT JOIN daily USING (sale_date)
),
-- 4️⃣ 计算 7‑天移动平均（窗口向前延伸 6 天）
moving_avg AS (
SELECT
sale_date,
daily_amount,
AVG(daily_amount) OVER (
ORDER BY sale_date
ROWS BETWEEN 6 PRECEDING AND CURRENT ROW
) AS avg_7days
FROM full_daily
)
SELECT
sale_date,
daily_amount,
ROUND(avg_7days, 2) AS avg_7days
FROM moving_avg
ORDER BY sale_date;4.4 数学题测试
题目1：概率统计 - 条件概率与贝叶斯定理
某医院使用一种新的疾病检测试剂，已知： 该疾病在人群中的患病率为 0.1%（即 1000 人中有 1 人患病） 试剂的敏感性为 99%（即患病者中有 99% 会被检测为阳性） 试剂的特异性为 95%（即健康者中有 95% 会被检测为阴性） 现在某人检测结果为阳性，请计算： 该人真正患病的概率是多少？ 如果要使患病概率达到 90% 以上，试剂的特异性至少需要达到多少？ 请写出完整的计算过程和数学推理。
首先正确答案是：该人真正患病的概率是1.94%，试剂的特异性至少需要达到99.99% 通过以下图片可以看出，模型给出了正确的答案 