监督微调（SFT）

监督微调（Supervised Fine-Tuning，SFT）是在预训练完成后，用带标注的高质量数据对模型做进一步训练的方法。预训练让模型“博览群书”、掌握海量知识，但此时它只会接续文本、还不会好好对话；SFT 则通过模仿高质量的问答范例，让模型学会“像个助手一样说话和干活”。

一句话理解

• 预训练：让模型会“接话”
• 监督微调：让模型会“回答问题、执行指令”

工作方式

• 收集高质量数据：人工编写的问答对、指令范例、专业领域内容
• 构造训练样本：把问题作为输入、理想回答作为标准答案
• 监督学习：让模型学会把“问题”映射到“标准答案”（有监督，故得名）

典型应用

• 通用对话能力：把基础模型变成“会聊天”的助手
• 行业微调：用医疗、法律、金融等专业语料，让模型变“懂行”
• 风格迁移：让输出贴合品牌语气

注意事项

• 数据质量决定一切：垃圾进、垃圾出
• 微调可能影响模型原有能力，需要控制训练量
• 通常与指令微调、对齐（RLHF/DPO）组合使用

趋势 2026 年，SFT 仍然是模型训练的标准步骤，但与强化学习类方法结合得越来越紧密，单纯只做 SFT 的模型已很难满足生产级要求。