监督微调

换成大白话

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。

它通常在什么场景出现

这个术语常见于模型选择、训练与微调、推理与部署、评测或产品功能说明等场景；当你遇到“监督微调”时，多半是在讨论模型行为、处理方式或指标口径。

具体出现在哪类场景，可以用下方“跨库查找”搜索包含该概念的模型、训练、评测或产品资料。

容易混淆的地方

不要把“监督微调”理解成模型本身的能力或在某个榜单上的具体名次；它更多是描述一种机制、一种处理方式或一个指标口径，而不是模型实力的绝对结论。