教师蒸馏解决了「谁来写回答」的问题。但还有更深层的问题：问什么样的问题？怎么控制回答的风格？怎么确保回答的质量？
行为脚本
Sophia 的 SFT 数据不是简单地给教师模型随机问问题。每一类对话都有精心设计的行为脚本——规定了对话的场景、要求、约束。
比如一个多轮对话的脚本可能是：
场景：用户询问一个编程问题
要求：
- 第一轮：给出初步答案
- 第二轮：用户追问细节
- 第三轮：给出完整代码示例
- 全程保持简洁，不使用不必要的客套话
通过设计不同的脚本，SFT 数据覆盖了各种场景：知识问答、代码编写、创意写作、数学推理、多轮对话……每种场景的行为要求不同。
验收程序
生成的回答不是全盘接受的。Sophia 使用了自动验收程序来过滤低质量的回答：
- 格式检查：回答是否符合预期的格式（比如代码是否能通过语法检查）
- 长度检查：回答是否在合理的长度范围内
- 一致性检查：多轮对话中，后面的回答是否和前面一致
通不过验收的回答被丢弃，只有通过的才进入训练数据。
身份隔离
SFT 数据中一个微妙但重要的设计是身份隔离——确保模型学到的是「助手」这个角色的行为模式，而不是混淆角色边界。
训练数据中需要明确区分：
- system prompt（系统提示）：定义助手的身份和行为准则
- 用户消息：用户的输入
- 助手消息：助手的回答
模型只应该在「助手消息」的位置做预测——而不是学习如何生成用户消息或 system prompt。这就引出了下一章节的主题。
下一章节来看 SFT 中一个关键的技术细节：人格设计和 system prompt 怎么作为训练信号。