DPO 和 SFT 的区别是什么？可以先 DPO 后 SFT 吗？

回答思路

1. 准确说明 SFT 与 DPO 在目标、数据和训练方式上的核心区别
2. 点出 DPO 依赖参考模型与偏好对，SFT 依赖监督文本
3. 正确判断先 DPO 后 SFT 的可行性并解释原因
4. 能联系实际训练流程给出建议边界