核心 GUIDE
Supervised Fine-tuning
SFT 用 Curated Input–Target Example 适配 Model Behavior，但应该解决已经被证明存在的 Behavior Gap，而不是替代 Application Design。
核心心智模型
SFT 通过重复展示 Desired Response 改变 Model 的 Conditional Behavior。它更适合作为带 Dataset Contract 的 Behavior Adaptation，而不是“把产品知识上传进模型”。
为什么重要
Prompt 越来越复杂时，Fine-tuning 很有诱惑力，但 Training 会引入更慢的 Feedback Loop 与新的 Data-quality Risk。SFT 最适合 Stable、Repeated、Across-many-requests 的 Behavior Gap。Dynamic Fact、Permission 与 Business Rule 通常应该留在 Retrieval、Tool 或 Application Code，因为它们必须能够在不 Retrain 的情况下快速变化。
01
让 Training Example 对齐稳定 Behavior Objective
先用 Evaluation Suite 定义 Behavior Gap。Curate Representative Input–Target Pair，包含 Difficult Slice 与 Negative Case，并严格分离 Training 与 Eval Data。训练 Candidate 后，使用同一 Harness 与 Untuned Baseline 比较，并检查 Target Behavior 之外的 Regression。只有当 Gain 能覆盖 Serving、Maintenance 与 Retraining Cost 时，Adaptation 才值得。
02
例子：稳定的 Structured Classification Style
一个产品需要大量短 Classification，并要求 Domain-specific Label Format。Prompt 可以工作，但需要塞很多 Example，仍然容易 Drift。团队用 Curated SFT Dataset 学习稳定 Label Behavior，同时把经常变化的 Policy Text 留在 Retrieval 中，这样 Policy Update 不需要重新 Training。
常见失败模式
- 用 SFT 记忆频繁变化的 Fact 或 Policy。
- 还没有证明 Behavior Gap，就先开始做 Training Dataset。
- Train / Test Split 之间混入 Duplicate 或同源 Model-generated Example。
工程启发
- 先做 Evaluation Suite，再做 Training Dataset。
- Fine-tune Stable Repeated Behavior，Retrieve Dynamic Knowledge。
- 除了 Target Slice Improvement，也要测 Regression 与 Operational Cost。
关键结论
- 01SFT 是 Behavior Adaptation，不是通用 Database。
- 02Dataset Quality 与 Split Integrity 决定 Improvement 是否可信。
- 03Training 必须证明自己优于更简单的 Application-layer Alternative。
来自 Knowledge Graph 的相关知识点
这些关系直接来自 canonical graph，不维护第二套 Guide 分类体系。