监督微调（SFT）仍是后训练大语言模型的主流方法，因为固定示例可以直接注入期望的推理策略和行为模式。然而，强制模型模仿外部提供的轨迹可能会干扰预训练已具备的行为，限制模型在训练分布之外的泛化能力。\ \ 近期的动态 SFT 方法通过依据模型侧信号（如预测概率、先验支持或分布兼容性）对 token‑级监督进行重新加权，缓解了上述问题。但模型兼容性并不等同于学习价值：当前模型对某 token 的弱支持既可能是无意义的偏差，也可能正是示例想要教授的任务特定决策。\ \ 我们提出 CIG‑SFT，一种信息论框架，用以估计每个示例 token 所携带的任务条件信息。具体做法是在教师强制（teacher forcing）下，使用冻结的参考模型分别计算 token 在有任务输入和无任务输入两种情形下的似然（保持金解前缀不变），两者之差即为条件信息增益，衡量任务本身对该决策不确定性的降低程度。\ \ 随后将该信息转化为对当前策略的 KL 正则化投影，并推导出等价的标量加权 SFT 目标。该目标的 logits 梯度恰好等于投影后目标的梯度，实现了信息驱动的细粒度监督。\ \ 在数学推理和代码生成基准上，CIG‑SFT 一贯超越标准 SFT 以及最新的自适应微调基线，尤其在面对更具挑战性的评估分布时表现出显著的泛化提升，且无需额外训练数据或在线 rollout。\ \ 点评