监督微调（SFT，Supervised Fine-Tuning）阶段使用的训练数据形态通常是？

1. A.海量无标注的纯网页文本语料，与预训练阶段用同一份数据
2. B.同一提示下两个候选回答的「哪个更好」人工偏好对
3. C.只收集用户的提问、不含任何参考答案的问题集合
4. D.「指令 / 提问 → 期望回答」的成对样本