SFT有监督微调详解：让大模型从“学语言“到“学听话“的蜕变之路！

文章详解了大语言模型中的SFT（有监督微调）技术，通过"指令-回复"对让模型学会理解人类意图并生成有用回答。SFT流程包括数据准备、构造训练格式、训练方法和训练过程四个步骤，使模型从预训练的"语言模型"转变为"初步对话助手"。但SFT无法处理回答风格偏好和避免攻击性内容等问题，需要RLHF进一步优化。同时介绍了智泊AI的AI大模型课程，帮助学员掌握相关技术。

程序员小猴紫

293人浏览 · 2025-11-22 14:58:23

程序员小猴紫 · 2025-11-22 14:58:23 发布

1、什么是SFT？

SFT，全称是 Supervised Fine-tuning(有监督微调)，在大语言模型中通常指“指令微调”。

它是在大模型经过预训练、具备通用语言能力后，通过进一步微调让它学会理解人类意图，生成有用回答。

SFT 的目标是通过一批高质量的“指令-回复”对，让大模型学会：

什么是“有用”的回答

如何有逻辑地、结构地回应用户指令

如何按照不同任务的需求(总结、翻译、写代码等)采用合适的表达方式

简单说: 预训练是“学语言”，SFT是“学听话”

2、SFT的流程是怎样的?

整个过程可分为四个主要步骤：

准备数据(指令-回答对)

数据来源可能包括:

真实用户提问 +人工精心撰写的优质回答

专门设计的任务指令及对应回复

高质量开源数据集(如 Alpaca、ShareGPT等)

每个样本的形式通常是:

输入:一个用户指令

输出:一个理想回复

构造训练格式(加特殊 Token)

为了让模型区分“指令”和“回答”，通常会加上一些特殊的标记(token)，比如:

请介绍一下绍兴

<|assistant|>绍兴是浙江省的历史文化名城……

这些标记帮助模型判断哪一部分是提问，哪一部分是它需要生成的回复。

训练前会通过 tokenizer 把文本切成 token 序列，如：“请介绍一下绍兴”→[1432,2101,847,1067]

训练方法

和预训练阶段的自监督学习不同，SFT使用的是标准的监督学习：在给定指令的基础上，学习如何生成与目标回答一致的内容。

损失函数通常还是交叉熵(Cross Entropy Loss)，用来衡量模型生成的 token 和理想答案之间的差距。

训练过程

训练过程主要包括:

将用户输入(指令)和目标回复拼接成一个完整的 token序列

并行预测每个 token 的下一个 token

只在<|assistant|>之后的部分计算损失

反向传播，更新参数

重点: 用户输入部分不计算损失，目的是避免模型记忆、复述、或篡改用户问题，而是专注于生成有用回答。

此外，训练中也可加入:多轮对话上下文，帮助模型理解语境。

3、SFT的作用和局限

预训练: 教模型学语言，理解语法、常识、表达方式但这阶段的模型不能准确遵循指令生成内容，只是机械地补全文本。

SFT(指令微调): 教模型听懂人话，按照指令-完成任务，比如写诗、总结、答题。它让模型从“语言模型”变成了“初步的对话助手”。

但 SFT 无法处理以下问题:

模型更偏好哪种回答风格?哪个更符合人类喜好?

如何避免输出攻击性内容、虚假信息、立场偏差?

这些问题，靠模仿人类回答还不够，还需要下一阶段：RLHF(基于人类反馈的强化学习)，让模型“更合人意”。

最后

我在一线科技企业深耕十二载，见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事，早已在效率与薪资上形成代际优势，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。

我整理出这套 AI 大模型突围资料包：

✅AI大模型学习路线图
✅Agent行业报告
✅100集大模型视频教程
✅大模型书籍PDF
✅DeepSeek教程
✅AI产品经理入门资料

如果你也想通过学大模型技术去帮助自己升职和加薪，可以扫描下方链接【保证100%免费】👇👇

在这里插入图片描述

为什么说现在普通人就业/升职加薪的首选是AI大模型？

人工智能技术的爆发式增长，正以不可逆转之势重塑就业市场版图。从DeepSeek等国产大模型引发的科技圈热议，到全国两会关于AI产业发展的政策聚焦，再到招聘会上排起的长队，AI的热度已从技术领域渗透到就业市场的每一个角落。

智联招聘的最新数据给出了最直观的印证：2025年2月，AI领域求职人数同比增幅突破200% ，远超其他行业平均水平；整个人工智能行业的求职增速达到33.4%，位居各行业榜首，其中人工智能工程师岗位的求职热度更是飙升69.6%。

AI产业的快速扩张，也让人才供需矛盾愈发突出。麦肯锡报告明确预测，到2030年中国AI专业人才需求将达600万人，人才缺口可能高达400万人，这一缺口不仅存在于核心技术领域，更蔓延至产业应用的各个环节。

在这里插入图片描述

资料包有什么？

①从入门到精通的全套视频教程

包含提示词工程、RAG、Agent等技术点
在这里插入图片描述

② AI大模型学习路线图（还有视频解说）

全过程AI大模型学习路线

在这里插入图片描述

③学习电子书籍和技术文档

市面上的大模型书籍确实太多了，这些是我精选出来的

在这里插入图片描述

④各大厂大模型面试题目详解

在这里插入图片描述

⑤ 这些资料真的有用吗?

这份资料由我和鲁为民博士共同整理，鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位，在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利，同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。

所有的视频教程由智泊AI老师录制，且资料与智泊AI共享，相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

在这里插入图片描述