老师好：
五期L2-第19章-RAG+微调实现智能专家系统，里面讲到了劳动主体混淆（劳动者解除劳动合同与用人单位解除劳动合同混淆）等问题，通过SFT进行微调解决该问题，但课程也提到SFT的问题，就是对话风格的泛化性不足，提问方式只有和微调样本比较近似的问法才行。
通过研究发现，在对LLM进行了SFT微调，可以进一步使用强化学习的方式微调，让对话风格更加泛化，比如使用DPO，在课程里面微调数据集转换成如下格式就可以使用。请问老师，在这种GPU资源有限的情况下，SFT+RL微调是可行的做法吧？
{
"conversations": [
{
"from": "human",
"value": "员工严重失职时公司应该怎么做？"
}
],
"chosen": {
"from": "gpt",
"value": "依据第三十九条，用人单位可解除合同。"
},
"rejected": {
"from": "gpt",
"value": "根据《劳动合同法》第三十八条，劳动者可以立即解除合同。"
}
}
