Обучение на примерах ответов (SFT)
Supervised Fine-Tuning — дообучение на подготовленных примерах желаемого поведения, например парах «инструкция — ответ». Меняет параметры модели, в отличие от примеров внутри промпта.
На практике
Модель обучают на примерах желаемых ответов, обычно парах «инструкция — ответ». Так можно улучшить соблюдение формата, тон и выполнение конкретного типа задач.
Что учитывать
Низкое качество примеров закрепляет нежелательное поведение. Нужна проверка на новых запросах, включая случаи, где правильный ответ отличается от шаблонов обучения.