监督微调（Supervised Fine-Tuning, SFT）是用"指令-回答"格式的有标注数据继续训练预训练模型，使其学会理解和遵循人类指令。它是RLHF流程的第一步，也是构建对话模型的基础。 SFT数据通常为数千到数十万条高质量对话样本，格式如{"instruction": "...", "input": "...", "output": "..."}。数据质量远比数量重要——LIMA研究表明仅1000条精心筛选的样本就能训练出优秀的对话模型。 SFT让模型从"续写文本"转变为"回答问题"，是模型行为定型的关键。开源模型（LLaMA、Qwen等）的官方SFT版本可直接使用，开发者也可基于这些模型做领域SFT构建垂直应用。