Es una práctica de fine-tuning donde un modelo de lenguaje pre-entrenado se ajusta aún más en un conjunto de datos compuesto por ejemplos de ""instrucciones"" y sus respuestas deseadas. Esta técnica es fundamental para los asistentes modernos, ya que enseña al modelo a seguir órdenes y a generalizar a tareas que no ha visto explícitamente. Su impacto se nota en una reducción de errores y una mayor consistencia, convirtiendo un modelo de lenguaje general en un asistente conversacional preciso y útil.