教師ありファインチューニング(SFT)は、事前学習を終えたベースモデルに「指示と模範回答」の組からなる対話データを学習させるポストトレーニング手法である。人間の作業者が書いたり他のモデルで合成したりした数万から数十万件の例を用い、各回答はストップトークンで終わるように構成する。これを経たモデルはinstructモデルまたはチャットモデルと呼ばれ、一貫したアシスタントのペルソナを備え、回答が終われば生成を止める。
SFTは模範回答をそのまま再現させる教師あり学習であるため、報酬信号から学ぶ強化学習(RLHF、GRPOなど)とは区別される。一般的なLLMのポストトレーニングは、SFTで形式や振る舞いを先に植え付け、その後RLで選好や推論能力を磨く順序で進められる。狭義には、特定のタスクや分野のデータでモデルを追加学習させるファインチューニング全般を指すこともある。