詳細解釋
經過指令調優（Instruction Tuning）的語言模型，能理解和遵循人類指令（如「翻譯成法語」「總結這段話」），而非僅做文本續寫。
與 Base 模型的區別：
- Base：輸入「法語翻譯是」→ 續寫「一門有用的技能」
- Instruct：輸入「將『你好』翻譯成法語」→ 「Bonjour」
訓練過程：
- 收集指令數據集：（指令，輸入，期望輸出）三元組
- SFT（監督微調）：在指令數據上繼續訓練
- 數據來源：人工標註、現有 NLP 數據集改造、其他模型生成
指令格式：
- Alpaca：### Instruction:... ### Input:... ### Response:...
- ChatML：<|im_start|>user...<|im_end|>...<|im_start|>assistant...
- 其他變體：不同模型有不同模板
代表模型：
- Flan-T5（Google）：早期指令模型
- Alpaca（Stanford）：LLaMA + 指令微調，證明了小成本也能做
- Vicuna：開源社區基於 ShareGPT 數據
- GPT-3.5/4（Instruct 版本）：商業標準
評估：
- 指令遵循度：是否按要求格式輸出
- 有用性：回答是否實際幫助用戶
- 安全性：是否拒絕有害請求
當前狀態：「指令模型」已成為默認，非指令的 Base 模型僅用於特定研究或繼續微調。