请比较监督微调（SFT）与强化学习（RL）阶段在数据质量要求上的异同，并说明各自的关键关注点。

回答思路

1. 明确区分SFT与RL的数据目标差异（模仿vs奖励优化）
2. 指出SFT侧重多样性、覆盖度与标注一致性，RL侧重奖励信号质量与偏好对齐
3. 提到数据规模、噪声容忍度和反馈来源的不同要求
4. 举例说明数据质量问题对两个阶段的影响