【AI黑话日日新】Day 038｜SFT（监督微调）

一句话说清：拿一堆“提问—标准回答”的范例喂给模型，让它学会照着这种样子回答。

1. 它到底在说什么

SFT 是英文 Supervised Fine-Tuning 的缩写，中文叫“监督微调”，在有些语境里也叫“指令微调”（Instruction Tuning）。它指的是大模型训练管线里的一段“后训练”（post-training）：先有一个在互联网海量文本上练好的通用底座，你不再从零教它认字和常识，而是用一批精心准备的“指令—回答”示范对接着训练它，让它学会用人类想要的那种样子去回应。

一个生活化类比：底座模型像一位读遍百科、能流畅续写任何文档的资深写手，但他不知道“你在公司里该怎么说话”。SFT 就是入职培训——给他看几百条“别人这样问，我们就这样答”的范例，他很快就能掌握你们公司的语气、格式与边界。注意，培训教的是“怎么回答”，不是“把哪些新知识背进脑子”。

2. 为什么现在这个词很热

SFT 的思想根植于“迁移学习”（Transfer Learning），在自然语言处理（NLP）里，把预训练模型接到具体任务上再练几层，自 2018 年 BERT 起就是标配。但“指令微调”作为一种范式被正式确立，关键在 2021 年。

其一是 FLAN（Wei 等，2021，arXiv:2109.01652）：研究者把