想象你在培训一个超级助理
假设你新买了一个智能管家机器人，它已经看过海量的书籍和资料（这就是预训练过程）。但是呢，它还不太懂得"做人的艺术"——不知道该用什么语气说话、怎么回应你的需求。
现在你要训练它成为一个得体的助理，这就是SFT要做的事情。
SFT其实就是在教机器人"做人"
训练过程大概是这样的：
你：天气真好啊！
理想回复：是的呢！今天阳光明媚，特别适合出去散步。需要我帮您查查附近有什么适合散步的地方吗？
糟糕回复：根据气象数据显示，当前气温23.5度，湿度45%，风速3级...
通过这样的示例，我们在教机器人：不要像个气象站一样冰冷地报数据，要学会共情，给出温暖的回应，要懂得适时提供帮助。
那到底需要多少训练数据呢？
