入门百科 2026-04-14 什么是模型微调：SFT、DPO 和 RLHF 一次搞明白 一个生活中的类比假设你要培训一个新来的客服人员。 第一种方式：你给他一大堆标准话术——客户问什么、应该答什么，让他照着学。这叫监督学习。 第二种方式：他学完基本话术后开始实际接客。你听他的对话录音，好的回答你点赞，不好的你标个差评，让他慢慢...