#RLHF

SFT 和 RLHF 各解决什么问题：后训练流水线怎么分工

讲清预训练、SFT、RLHF/DPO 三阶段的目标分工，解释偏好对齐为什么不能简单用 SFT 替代，以及中小团队该做到哪一步。