拒绝采样微调

数千条高质量样本可重塑模型行为，但补不了知识短板

监督微调（SFT，用“问题—标准答案”样例训练模型）更像规章教练：它能固定格式、语气和流程，却不会自动补足专业知识。真正值得关心的不是样本越多越好，而是数据验证、蒸馏取舍和业务知识来源。