এখনো পৰীক্ষাত বিফল হ'ব পৰা এটা মূল্যাংকন ডিজাইন কৰক

What this lesson is about

এটা সৰু পৰীক্ষা-সেট বনাওক য'ত সহজ, কঠিন আৰু সঁচাকৈয়ে অস্পষ্ট বস্তু থাকে। তাৰ পিছত উত্তীৰ্ণ নম্বৰৰ অৰ্থ হব।

আপোনাৰ হিন্দী বাস-সময়সূচী সহায়কৰ বাবে দহটা পৰীক্ষা প্ৰশ্ন সকলোতে সহায়কে আগতে সঠিক উত্তৰ দিয়ে। চলোৱাৰ আগতে আপুনি কি সলনি কৰিব?

Why this matters

যি পৰীক্ষা-সেট ব্যৱস্থা নিৰ্মাণৰ পিছত বাচি লোৱা হয়, সাধাৰণতে সেয়া ইতিমধ্যে লোৱা সিদ্ধান্তসমূহ মাপি থাকে।

এটা সৰু পৰীক্ষা-সেট বনাওক যাৰ নম্বৰ হ্ৰাস পাব পাৰে, আৰু আগতে কৈ দিয়ক প্ৰতিটো বস্তু কি পৰীক্ষা কৰে।

এনে বস্তু অন্তৰ্ভুক্ত কৰক য'ত ব্যৱস্থাই আজিৰ দিনত বিফল হ'ব লাগে।
পৰীক্ষা চলোৱাৰ আগতে আশা কৰা উত্তৰ লিখক।
প্ৰতিটো বস্তু সহজ, কঠিন বা সঁচাকৈয়ে অস্পষ্ট বুলি চিহ্নিত কৰক।

Task

হিন্দী বাস-সময়সূচী সহায়ক বাবে দহটা বস্তুৰ ছেট।

Weak approach হেল্পলাইনৰ নিজৰ কল লগৰ পৰা দশটা বাস্তৱ প্ৰশ্ন সংগ্ৰহ কৰে। কিবা চলোৱাৰ আগতে প্ৰতিটো প্ৰশ্নৰ বাবে আশা কৰা উত্তৰ লিখি ৰাখে। সকলো দশটাৰ উত্তৰ সঠিক আহে। সকলো দশটা প্ৰশ্নেই সহায়কে আগতেৰে উত্তৰ দিয়ে, সেয়ে এই তালিকাখনে হেৰুৱাবলৈ কোনো নম্বৰ নাই।

Stronger approach চাৰি দৈনন্দিন প্ৰশ্ন। চাৰি জনা বিফলতা, যেন ৰাতিপুৱা বাস আৰু নাম সলনি হোৱা ষ্টপ। দুটা য'ত কৰ্মচাৰীয়ে নিজে মতভেদ কৰে। প্ৰতিটোৰ আশা কৰা উত্তৰ আগতে লিখা।

Why the stronger approach works শক্তিশালী ছেটটোৱে হ্ৰাস দেখুওৱা পাৰে। সেয়া চলোৱাৰ একমাত্ৰ কাৰণ।

Try a changed situation আপুনি এতিয়া এটা সাধাৰণ সেৱা কেন্দ্ৰত ফৰ্ম পূৰণ সহায়কৰ পৰীক্ষা কৰি আছে। কোন নিয়ম এতিয়াও প্ৰযোজ্য?

Make something yourself আপোনাৰ ভালদৰে জানোয়া কামৰ বাবে ছয়টা পৰীক্ষা বস্তু ডিজাইন কৰক। দুটা সহজ, দুটা কঠিন আৰু দুটা সঁচাকৈয়ে অস্পষ্ট চিহ্নিত কৰক। পৰীক্ষা আৰম্ভ কৰাৰ আগতে প্ৰতিটো বস্তুৰ আশা কৰা উত্তৰ লিখক।

Read the primary or official source: Holistic Evaluation of Language Models