请说明 DPO 与 SFT（Supervised Fine-Tuning）的主要区别。

回答思路

1. 区分 SFT 是监督学习，DPO 是偏好优化
2. 指出 SFT 学习单个正确答案，DPO 学习偏好排序
3. 说明 DPO 可利用成对数据改善模型对偏好的把握，SFT 则依赖标注质量