SFT（监督微调）

一句话理解

给基座模型上“岗位培训班”——拿人工写好的标准问答对教它怎么好好说话，是从“会续写”到“会对话”的关键一步。

定义

SFT（Supervised Fine-Tuning，监督微调）指用人工标注的“指令-回答”数据对预训练模型做监督训练，让它学会遵循指令、按对话格式回答。它是“预训练之后、强化学习对齐之前”的标准流程环节。

你会在哪遇到它

读模型训练报告的“预训练、SFT、RLHF”三段论时；企业拿开源模型做行业定制的第一步；微调服务报价单上的基础选项。

背后的原理

基座模型的本质是“高级续写机”：问它问题，它可能续写出更多问题而不是回答。SFT 用几万到几十万条高质量问答示范，教会它“看到这样的输入该输出什么样的回答”。数据质量远重于数量——几千条精心制作的样本往往胜过几十万条网络杂货，这也是“数据精选”路线的核心主张。

和相近概念的区别

1 与预训练：预训练学知识（海量文本自监督），SFT 学行为（少量精标数据带教）。 2 与 RLHF：SFT 照抄示范答案，RLHF 从偏好比较中学习，后者对齐效果更好但更贵更难。 3 与 LoRA：LoRA 是省显存的微调技术手段，SFT 是训练阶段，两者经常组合出现。

常见误区

1 SFT 后模型更博学——它主要改变行为风格而非知识量，知识主要来自预训练。 2 示范数据越多越好——质量与多样性优先，低质数据反而教坏模型。 3 自己 SFT 就能超越通用模型——垂直场景可以，通用能力上很难打赢人家几千张卡炼出来的底子。