什么是指令微调 Instruction Tuning：从会接着写到听懂人话

「第二教育网」是一个专注于优质教育资源导航与学习方法分享的第三方平台。本文将从方法、工具与实操几个角度，帮你把这件事一次看明白。

指令微调（Instruction Tuning）是在预训练之后，用大量「给出要求，再给对应答案」的样本继续训练，让模型学会按指令回答问题。预训练让它会说话，指令微调让它知道该干什么。我们平时觉得某个模型聪明不听话，多半差别就出在这一步以及后续的对齐上。

它改的是什么

• 服从度：把「接着写下去」的习惯，改成「按你说的做」。
• 格式感：能按要求分条、限定字数、用指定语气。
• 拒答意识：遇到越界要求知道兜回来，而不是硬编。
• 统一风格：不同人问同一件事，输出长度和口径更一致。

数据长什么样

一条指令样本通常包含三样：一段指令，比如把这段材料改写成三条要点；一个背景，比如原文；一个理想输出。样本量不需要海量，比起预训练少得多，但质量要求高，写得含糊的样本会把模型带偏。

三个容易混的点

• 指令微调不等于教新知识：它主要调的是行为方式，知识主要来自预训练。
• 不等于联网查证：它仍是靠内部参数作答，不保证事实准确。
• 不等于记住个人偏好：你这次对话里的要求不会被固化进去。

怎么判断一个模型的指令微调好不好

• 给含糊要求，它会不会追问关键要素而不是硬答。
• 要求三百字，它会不会稳定在三百字附近。
• 多轮追问后，前后口径是否一致。
• 遇到没把握的题，会不会明说不确定。

对使用者的意义

指令越清楚， 调过的模型发挥越稳定。把任务拆成「做什么、给什么料、出什么格式、有多大长度」，几乎每次都能拿到像样的成品。想让它少编，就追加一句不确定的地方直说，这也正是对齐后模型该有的表现。

一句话总结：预训练教它认字，指令微调教它听令。会听话的模型，才适合做学习助手。

日常最容易忽略的一条：指令里的每一条要求都要能被验证。写全部分条、限制字数、不要举例这类可检查的条款，比描述感觉更有用。写完后自己数一遍条款是否都用得上，删掉永远不会被执行的那几条。