【いんすとらくしょんちゅーにんぐ】

インストラクションチューニングとは？

最終更新: 2026年10月4日

💡 指示と回答の例で、応答のしかたを追加学習

指示と望ましい回答の例を使い、言語モデルを追加学習する手法。要約や質問応答など、指示に沿う応答を改善することを目指す。プロンプト入力だけで利用する方法とは異なり、モデルのパラメータを更新する。

📌 このページのポイント

入力文を「雨なので試合は延期です。」とした要約例です。学習ではモデルを更新し、利用時にプロンプトを入力するだけの場合とは区別します。

ひよこ

インストラクションチューニングって何？

ペンギン先生

「この文章を要約して」といった指示と、望ましい回答の例を使って言語モデルを追加学習することだよ。指示に合う応答のしかたを学ばせる、教師ありファインチューニングの一種なんだ。

ひよこ

学習前のモデルは指示に答えられないの？

ペンギン先生

学習前でも、プロンプトや例の示し方で答えられることはあるよ。指示チューニングは、さまざまな指示の例で追加学習し、応答や未学習の課題への対応を改善することを目指すんだ。

ひよこ

指示を入力するのと何が違うの？

ペンギン先生

プロンプトを入力して回答を生成するだけなら、通常はモデルのパラメータを更新しないよ。チューニングでは学習用の例を使って更新する。生成に使う言語モデルでは、回答の次のトークンを予測する学習も引き続き使われるんだ。

ひよこ

RLHFと同じこと？

ペンギン先生

別の役割だよ。指示チューニングでは望ましい回答の例を学び、RLHFでは人がどちらの回答を好むかなどのフィードバックを利用する。Llama 2-Chatでは教師あり学習の後にRLHFを行ったけど、全ての指示チューニングで必須ではないんだ。

ひよこ

これで必ず正しい答えになる？

ペンギン先生

保証はできないよ。データの品質やモデルによって効果が変わり、追加学習したモデルでも事実と違う内容や偏った応答は残り得る。使いたい課題で評価し、回答の正しさを別に確認しよう。

まとめ：ざっくりこれだけ覚えればOK！

「インストラクションチューニング」って出てきたら「AIに指示の従い方を教える特訓」と思えればだいたいOK！

📖 おまけ：英語の意味

「Instruction Tuning」＝指示に合わせた調整

💬 Instructionは「指示」、Tuningは「調整」。指示に沿った回答の例で追加学習するイメージだよ

参考資料