AI 原理学习笔记（十五）：SFT、RLHF、DPO 与高质量训练数据 2026 年 10 月 20 日 AI 技术与原理 分清标准答案与偏好数据，理解监督微调、奖励模型和直接偏好优化，并设计可验证的数据流程。 SFT RLHF DPO 数据质量