指令微调

基础模型只会续写文本，不会服从。指令微调以示例教会服从：把精心策划的任务写成指令并配上好回答，覆盖各种格式（列表、表格、代码）、风格与领域。经过这一步，模型不再像输入法联想那样接你的话，而是像助手那样回答你的问题。

它位于预训练与偏好调优（RLHF/DPO）之间：先学会“有帮助的形式”，再由 RLHF 打磨“人们偏好的答案”。开源指令数据集与社区指令微调模型，正是“在 Ollama 里运行任何开源模型都开箱即对话”的原因。