SFT
El primer paso de fine-tuning tras el pre-entrenamiento — entrenar con pares prompt+respuesta para que el modelo aprenda a seguir instrucciones.
Anterior a RLHF/DPO. El dataset son ejemplos escritos a mano o curados: "pregunta X → buena respuesta Y". Dataset más pequeño (10k-100k ejemplos) pero de alta calidad. Paso 1 → SFT, paso 2 → RLHF o DPO. Juntos dan un modelo "Instruct".