SFT 不只是死记硬背NUS、耶鲁团队证实数据对齐后 SFT 泛化能力反超 RL

行业里一直有个主流看法,认为 SFT 监督微调只会死记训练样本,泛化能力弱,想要模型在陌生推理任务上表现好,就得靠 RL 强化学习,但