指令遵循透過指令微調（在指令-回應配對上的 SFT）訓練，並透過 RLHF/DPO（學習偏好準確遵循指令的回應）來精煉。指令遵循的品質高度取決於訓練資料的多樣性和精確性：看到許多「恰好 3 個項目」範例的模型學會了計數；只看到模糊指令的模型則不會。
常見的指令遵循失敗：忽略長度限制（「簡短」→ 仍然寫段落）、格式漂移（以要求的格式開始但回歸到散文）、限制遺忘（遵循第一個限制但在複雜指令中忘記後面的限制），以及過度遵循（過於字面或過於廣泛地解釋模糊指令）。這些失敗在較小的模型中更常見，隨著規模增大而變得更少見，但即使是前沿模型偶爾也會遺漏限制。
當指令衝突時，指令遵循變得複雜：系統提示說「始終以 JSON 回應」，但使用者說「寫一首詩給我」。大多數模型實作一個指令層級，系統級指令優先於使用者訊息，但邊界是模糊的。設計良好的應用程式會清楚地結構化其指令層級，並測試不同層級指令可能衝突的邊緣案例。