SFT 之后常见的 Post-Training 技术有哪些？它们与 SFT 的目的有何主要区别？

回答思路

1. 列举若干常见 Post-Training 技术，如 RLHF/DPO、DPO、继续预训练
2. 清晰区分 SFT（学习指令跟随）与 RLHF/DPO（对齐人类偏好）的目标差异
3. 能说明各技术解决的核心问题及适用阶段