研究表明，通过跨语言调整指令和数据获取方法，可以显著改善大型语言模型在未知任务上的性能。指令调优提升了模型的零样本表现，强调了语言一致性和超参数调整的重要性。对比指令调优方法（CoIN）通过最大化语义等效指令的相似性，进一步提高了模型的稳健性和准确率。