题目与答案解析
T1
问题：关于模型训练阶段的描述
答案：B. 有监督微调 (Supervised Fine-Tuning, SFT)
解析：
SFT 使用指令-回复的数据对，让仅会续写的基座模型学会按人类指令格式理解与作答。
- 预训练只学习“下一个词”
- RM/RLHF 主要用于偏好对齐与细化风格
一、单选题
1、在大型语言模型的三阶段训练流程中，哪一个阶段的主要目标是让模型从一个只会“续写”文本的基座模型，转变为一个能理解并遵循人类指令格式的“对话助手”？
{{ select(1) }}
- 预训练 (Pre-training)
- 有监督微调 (Supervised Fine-Tuning, SFT)
- 奖励模型训练 (Reward Model Training)
- 基于人类反馈的强化学习 (RLHF)
