待验证60% 置信事实精确时间

监督微调（SFT）使用'提示-回答'示例对模型进行训练，让模型学会以对话形式响应，从而使输出更连贯

2

来源数

60%

置信度

长期有效

时效性

2026/8/31

首次发现

来源

用AI从零构建LLM：13M参数迷你GPT模型实战全记录

涉及实体

监督微调concept SFTconcept

相关事实

已验证现代大语言模型通常经历预训练、监督微调（SFT）和基于人类反馈的强化学习（RLHF）三个训练阶段76% 相似待验证领域微调通常先通过监督微调（SFT）注入领域知识，再经过基于人类反馈的强化学习（RLHF）对齐用户偏好76% 相似待验证模型优化方向包括SFT监督微调、强化学习与DPO对齐、数据清洗与数据质量管理73% 相似待验证该系统在提示词中明确要求模型只能使用提供的上下文作答，答案不在上下文中时直接回答不知道，而非凭训练记忆编造71% 相似待验证监督微调训练模型模仿人类标注的正确答案，而强化学习微调让模型通过试错学习最优策略71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/827404

API

curl https://kongchang.com/api/v1/knowledge/claims/827404

MCP

get_claim(id=827404)