请说明在监督微调（SFT）中损失函数的具体计算方式，以及它与预训练阶段损失计算的异同。

回答思路

1. 准确说明SFT基于语言建模损失，通常使用交叉熵
2. 指出损失是在输出token序列上计算，与标签token做交叉熵
3. 解释为什么通常忽略输入部分或使用mask，只对目标token计算损失
4. 能对比预训练与SFT在数据构造和目标上的差异