本研究提出了IterSelectTune框架，旨在减少从大型数据集中选择高质量指令数据所需的人力投入。通过对约20%的源数据进行微调，该框架显著提升了模型性能并降低了计算资源消耗。研究结果表明，采用该方法的模型在多个基准测试中优于使用全部数据集微调的模型。