用指令—回答数据把模型调成更会听话的训练方式。
指令微调像给实习生带教：让他按“做表、改稿、列提纲”反复练，慢慢不再一听需求就自由发挥。
常把基础模型调成更会按要求回复的助手。
Pretraining它通常接在预训练之后，给模型补上“听指令”这一步。
Fine-tuning它本质上属于微调，是微调里很常见的一种做法。
RLHF它常作为 RLHF 的前一步，先让模型学会按要求回答。
Base model它把偏通用的基础模型，调成更像聊天助手的样子。