SFT（Supervised Fine-Tuning，监督微调）

用人工或模型准备的“任务加理想回答”示例继续训练，让模型学会按要求回答。

SFT 在预训练模型上最小化示范输出的监督损失，使策略靠近目标指令分布，是多数助手后训练的基础阶段。

将指令与答案拼成训练序列，通常只对答案部分计算交叉熵损失，并更新全部或部分参数。

示范覆盖、格式一致性、数据去重和难例比例比单纯扩大样本数更重要；必须保留未见测试集。