后训练技术：SFT与RLHF从原理到实战

指令遵循、对齐人类偏好，读懂大模型如何「听话」。本节基于《AI工程》第2章「Post-Training」— Supervised Finetuning、Preference Finetuning。

一、什么是后训练？

Chip Huyen 在《AI工程》第2章将后训练（Post-Training）列为理解基础模型的核心环节。后训练是指在预训练之后，通过额外数据对模型进行优化，使其更符合任务需求和人类偏好。主要包括：

• SFT（Supervised Finetuning）：监督微调，提升指令遵循
• RLHF/DPO（Preference Finetuning）：偏好微调，减少幻觉与有害输出

书中强调，后训练是连接「通用预训练模型」与「可用的应用模型」的关键桥梁。

二、监督微调（SFT）

2.1 原理

《AI工程》描述：在（指令, 期望输出）对上训练，让模型学会按要求生成。SFT 是提升指令遵循能力的最直接方式。