Modelo instruct
Un modelo instruct (modelo ajustado a instrucciones) es un modelo de lenguaje base que se ha seguido entrenando con instrucciones emparejadas con buenas respuestas, y a menudo con feedback humano, para que siga peticiones en lugar de limitarse a continuar texto.
También llamado: instruction-tuned model, -Instruct, chat model
Por Divya Sharma · Comprobado el 15 nov 2026 · Cómo hacemos las reseñas
Cuando el nombre de un modelo termina en -Instruct, -it o -chat, suele ser la versión ajustada a instrucciones de un modelo base del mismo lanzamiento. El modelo base solo continúa texto. El modelo instruct ha aprendido a leer una petición y responderla.
Cómo se hace
A partir de un modelo preentrenado, el desarrollador aplica fine-tuning supervisado con ejemplos de instrucciones y de las respuestas que quiere. El artículo FLAN de Google demostró que este ajuste por instrucciones hacía que los modelos rindieran mucho mejor en tareas que no habían visto. Después, el trabajo de InstructGPT de OpenAI añadió un paso en el que personas ordenaban las salidas del modelo y este se ajustaba más con RLHF. Los modelos más recientes suelen usar en su lugar DPO o métodos parecidos. Los modelos instruct también aprenden una plantilla de chat: tokens especiales que marcan los turnos de sistema, usuario y asistente.
Base frente a instruct
Para la mayoría de las aplicaciones, usa el modelo instruct. Sigue un system prompt, responde preguntas, usa herramientas y rechaza algunas peticiones. Elige el modelo base cuando pienses hacer tu propio fine-tuning desde un punto de partida neutro, o cuando quieras una continuación de texto sin más, como el autocompletado.
Qué vigilar
Usa la plantilla de chat con la que se entrenó el modelo. Muchas herramientas de ejecución local la aplican por ti, pero una plantilla equivocada es una razón habitual de que un modelo instruct abierto dé respuestas raras. El ajuste por instrucciones también cambia el comportamiento de formas que puede que no quieras, como respuestas largas o negativas, y no hace por sí solo que un modelo sea más veraz.
Términos relacionados
- Modelo base
- Un modelo base (base model) es un modelo de lenguaje recién salido del preentrenamiento, antes del ajuste por instrucciones o del entrenamiento con feedback humano. Continúa el texto que se le da en lugar de seguir instrucciones o mantener una conversación.
- Fine-tuning supervisado
- El fine-tuning supervisado (SFT, supervised fine-tuning) sigue entrenando un modelo preentrenado con ejemplos de prompts emparejados con las respuestas que quieres. Es el primer paso habitual para convertir un modelo base en uno que sigue instrucciones.
- RLHF
- El RLHF (reinforcement learning from human feedback, aprendizaje por refuerzo a partir de feedback humano) ajusta un modelo de lenguaje con clasificaciones humanas de sus respuestas: un modelo de recompensa aprende esas preferencias y luego el aprendizaje por refuerzo empuja al modelo hacia las respuestas que puntúan bien.
- System prompt
- El system prompt (prompt del sistema) es el bloque de instrucciones que una aplicación envía a un modelo de lenguaje antes de los mensajes del usuario. Fija el rol, las reglas, el tono y el formato de salida del modelo para toda la conversación.
- Preentrenamiento
- El preentrenamiento (pretraining) es la primera y mayor etapa del entrenamiento de un modelo, en la que aprende patrones generales de un conjunto de datos muy grande y sin etiquetar, normalmente prediciendo el siguiente token, antes de cualquier ajuste para una tarea concreta.