Self-Instruct 方法利用大语言模型生成能力构建指令数据集，无需人工标注。核心在于任务判别，分类任务需采用输出优先策略以强制生成特定标签对应的输入，而非输入优先导致模型倾向生成正确文本。通过微调生成的指令数据，可显著提升模型在零样本任务上的泛化能力。
这篇工作展示了如何利用大语言模型的生成能力来构建大规模指令数据集。核心思路是自动化生成'指令、输入、输出'三元组，从而减少对人工标注数据的依赖。
在构造数据时，需要明确区分任务类型，决定是采用输入优先还是输出优先：
使用 LLM 生成的指令数据进行微调，主要目的并非单纯增加数据量，而是为了提升模型在零样本（Zero-shot）场景下的泛化能力。通过这种方式训练出的模型，在面对未见过的任务时表现更佳。
微信公众号「极客日志V2」，在微信中扫描左侧二维码关注。展示文案：极客日志V2 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
随机生成西班牙地址（支持马德里、加泰罗尼亚、安达卢西亚、瓦伦西亚筛选），支持数量快捷选择、显示全部与下载。 在线工具，随机西班牙地址生成器在线工具，online
基于开源反向 Alpha 混合算法去除 Gemini/Nano Banana 图片水印，支持批量处理与下载。 在线工具，Gemini 图片去水印在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
