SFT覆盖多数场景，RL通过奖励模型学习

> SFT（监督微调，Supervised Fine-Tuning）足以覆盖大多数场景。

SFT 是直接模仿学习“标准答案”，可以快速学习使用特定工具的基础能力，RL（强化学习）是通过奖励模型自己摸索学习。