监督微调（SFT）

用人工标注的「指令-回答」数据训练模型学会遵循指令。

监督微调（SFT）是让预训练模型「开口说话」的关键一步：通过高质量对话数据教会模型回答格式与任务行为，是 RLHF 之前的基础对齐手段。