这张卡讲企业侧最常用的训练手段：监督微调怎么做才不白花钱。
核心拆解：监督微调用成对的输入输出示范数据训练模型执行特定任务，是企业侧定制模型的默认起点。成败在数据：质量上错标会被忠实继承，配比上任务分布不均会让模型偏科，多样性不足则过拟合到几种句式。最常见的误用是数据量崇拜——几千条脏数据不如几百条净数据，标注规范与质检流程比数量更重要。
增量判断：与 RLHF 的分工：监督微调教「该做什么」，RLHF 调「更喜欢什么」，企业侧只做前者。与蒸馏的关系：蒸馏是数据策略，监督微调是训练工序，两者常组合。FDE 的评估清单：客户有没有够量的历史问答、有没有能定标注规范的业务专家、有没有承载训练的算力，三缺一就先缓。
行动建议：按数据、专家、算力三项评估你下一个潜在微调项目，缺项写进风险清单。评估结论要落成文字，别停在口头判断。
—— FDEChina编辑部 · 实战派
定义
监督微调（Supervised Fine-tuning，SFT）指用成对的输入输出示范数据训练模型，使其稳定执行特定任务或遵循特定格式的训练方法，是企业侧定制模型能力的默认起点。
展开
成败几乎全在数据：质量上，错标与噪声会被模型忠实继承；配比上，任务类型分布不均会让模型偏科；多样性上，句式单一会导致过拟合。经验是几百条高质量、覆盖充分的数据胜过几千条脏数据，标注规范与质检流程的投入优先于数据数量。与相邻概念的分工：监督微调教模型「该做什么」，RLHF 调整「更喜欢什么」，企业侧通常只做前者；蒸馏是数据来源策略——用大模型产出示范数据——与监督微调是组合关系而非并列选项；与提示词工程的分界在行为固化程度与调用量，与微调词条所述一致。FDE 评估客户是否具备微调条件看三项：够量且可用的历史任务数据、能制定并守护标注规范的业务专家、承载训练与再训练的算力与流程，三项缺一就建议先用提示词与检索方案过渡，把微调留给条件成熟的阶段。