本文介绍了InBedder，一种通过微调语言模型在抽象问答任务上建立嵌入模型的方法。InBedder在大型语言模型和较小编码器模型上展示了指令遵循能力和可解释性。

通过两阶段训练，InstructionGPT-4实现了指令遵循能力。模型在评估中表现优于原始模型，研究结果显示微调数据能提高模型输出质量。

通过两阶段训练，InstructionGPT-4实现了指令遵循能力。通过数据选择器过滤低质量的视觉语言数据，提高了模型的输出质量。研究结果表明，少量高质量的微调数据能够改善多模态大型语言模型的性能。