已验证75% 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
3
来源数
75%
置信度
长期有效
时效性
2026/8/31
首次发现
来源
涉及实体
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% 相似已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ChatGPT训练中预训练阶段使用非监督学习做下一个词预测，指令微调阶段引入监督学习，最后通过RLHF对齐模型输出72% 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% 相似待验证大模型微调工程师（SFT方向）是企业需求增长最快的方向之一，因为企业往往基于现有模型用内部数据做SFT监督微调、LoRA微调而非重新训练模型71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/827404API
curl https://kongchang.com/api/v1/knowledge/claims/827404MCP
get_claim(id=827404)