作者在 post training 系列第二篇中解释指令微调（SFT）的原理与流程。文章以 2023 年 3 月斯坦福团队用 52,000 条 text-davinci-003 生成数据微调 LLaMA 7B 得到 Alpaca 为例，说明指令微调沿用预训练的下一个 token 预测损失，改变的是模型行为方式而非知识。