概念
别名：Supervised Fine-Tuning
监督微调训练方法
已跟踪 11 条高相关材料
最近变化
2026-08-05 · DeepSeek V4 Flash 0731 可通过 Fireworks API 进行 SFT/DPO/RL 训练
为什么值得关注
SFT 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
DeepSeek V4 Flash 0731 is ready to fine-tune on Fireworks. Run SFT, DPO, and RL training jobs on th...
Fireworks AI(@FireworksAI_HQ) · 8.5 分
Fireworks AI 现已支持 DeepSeek V4 Flash 0731 模型的微调训练，提供 SFT/DPO/RL 三种训练方式，适用于编码代理和高并发场景，成本较传统方案降低 70%。
Hugging Face Journal Club: Kimi K3
Hugging Face · 8.5 分
Kimi K3通过后训练和多领域专家模型显著提升性能，接近Opus 4.8水平，采用创新的推理分层和策略蒸馏技术。
How LLMs Learn to Be Helpful (RLHF vs DPO)
ByteByteGo Newsletter · 8.5 分
本文对比RLHF与DPO两种方法，揭示大语言模型如何通过偏好学习提升帮助性，解析训练三阶段及技术局限性。
已收录 11 条与 SFT 相关的内容，按评分排序。
Fireworks AI 现已支持 DeepSeek V4 Flash 0731 模型的微调训练，提供 SFT/DPO/RL 三种训练方式，适用于编码代理和高并发场景，成本较传统方案降低 70%。
入选理由：DeepSeek V4 Flash 0731 可通过 Fireworks API 进行 SFT/DPO/RL 训练
Kimi K3通过后训练和多领域专家模型显著提升性能，接近Opus 4.8水平，采用创新的推理分层和策略蒸馏技术。
入选理由：Kimi K3后训练阶段结合SFT与RL，构建9个领域专家模型（3领域×3推理层级）
本文对比RLHF与DPO两种方法，揭示大语言模型如何通过偏好学习提升帮助性，解析训练三阶段及技术局限性。
入选理由：模型训练分三阶段：预训练、监督微调（SFT）、偏好教学（RLHF/DPO）
Fireworks AI 现在支持 Kimi 2.7 的完全可训练，提供低成本构建竞争模型的方案。
入选理由：Kimi 2.7 可通过 Fireworks AI 进行 SFT、DPO 和 RL 训练。
Fine-tuning on proprietary data is the most strategic AI advantage; prompts are easily copied, while models trained on private data are hard to replicate. OpenAI is restricting this path—companies must act now to retain SFT control.
入选理由：使用专有数据进行SFT微调可建立竞争壁垒，防止提示工程被快速复制。
Fireworks AI 平台正式支持智谱 GLM 5.1 模型，提供 SFT/DPO 微调能力、200K 超长上下文窗口，专为长周期智能体编程微调优化，RL 训练即将上线。
入选理由：GLM 5.1 已集成至 Fireworks AI 托管与 API 训练工作流
Fireworks AI 宣布 Qwen 3.5 正式接入其训练平台，支持 SFT/DPO/RLHF 等全栈微调方式、256K 上下文及 LoRA/全参微调。
入选理由：Qwen 3.5 已上线 Fireworks AI 训练平台，覆盖托管与 API 两种工作流
Fireworks AI 扩展其训练平台，支持 Nemotron 3 Ultra 模型的微调和 DPO 训练。
入选理由：Nemotron 3 Ultra 现在支持 SFT 和 DPO 训练。
Spotify builds a highly steerable personalized recommendation system for 750M users and 100M+ tracks by transforming user action sequences into vectors and then tokens, combining content representation with LLMs.
入选理由：Spotify AI基础团队通过CPT和SFT微调开源权重LLM来构建推荐系统。
Cursor团队在v9模型训练中贡献工程进展，但补充数据效果有限。
入选理由：Cursor团队在v9 SFT和RL训练中做出重大工程贡献
This article discusses the underlying mechanism of large model SFT (Self-Training), aiming to put an end to practice controversies and avoid fruitless computing power. By deeply understanding the SFT mechanism, engineers can more effectively utilize resources and avoid unnecessary calculations.
入选理由：SFT机制可以有效减少算力浪费，提高模型训练效率。
