দাৱ আৰু প্ৰমাণ পৰীক্ষা কৰক

What this lesson is about

এটা উত্তৰক পৰীক্ষা কৰিব পৰা দাবিসমূহত ভাগ কৰক। বাস্তৱ প্ৰমাণক কেৱল ভাল শুনা শব্দৰ পৰা পৃথক কৰক।

এটা পেঞ্চন আঁচনি সম্পৰ্কে তিনি বাক্যৰ উত্তৰ য’ত এটা তাৰিখ, এটা সংখ্যা আৰু এটা প্ৰতিজ্ঞা মিশ্ৰিত। ক’ৰ পৰা আৰম্ভ কৰিব?

Why this matters

ঠিক সংখ্যাবোৰ, তাৰিখ আৰু কঠিন দাবিসমূহে সিদ্ধান্ত সলনি কৰিব পাৰে। ই সেই সময়তো সত্য, যেতিয়া লিখন বিশ্বাসযোগ্য শুনা যায়।

এটা উত্তৰক দাবিসমূহত ভাগ কৰক, আৰু নিৰ্ণয় কৰক কোনটো প্ৰথমে পৰীক্ষা কৰিব লাগিব।

প্ৰত্যেক শাৰীলৈ এটা পৰীক্ষণযোগ্য দাবী উলিয়াওক।
সৰ্বপ্ৰথম সঠিক আৰু সিদ্ধান্ত বদলোৱা দাবীসমূহ পৰীক্ষা কৰক।
উৎসৰ গুণগত মান আৰু অবশিষ্ট অনিশ্চয়তা ৰেকৰ্ড কৰক।

Task

এটা কাৰ্যসূচীয়ে দাবী কৰে যে ৬২% লোকে কাম পালে।

Weak approach দাৱখন নিজৰ এটা পৃথক শাৰী হিচাপে উলিয়াই আনে, যি প্ৰথম নিয়ম মানি চলা হৈছে। সংখ্যাটো বিচাৰে আৰু এখন বাতৰি পৃষ্ঠাত একে ৬২% পায়, তাৰ পিছত দাবীটো সমৰ্থিত বুলি চিহ্নিত কৰে। বাতৰি পৃষ্ঠাটো কাৰ্যসূচীৰ নিজৰ প্রেস নোটটো পুনৰাবৃত্তি কৰিছে, আৰু 'কাজ পোৱা'ত কোনবোৰ গণনা কৰা হৈছে সেয়া কোনোবাই পঢ়া নাই।

Stronger approach প্ৰথম হাতৰ প্ৰতিবেদন, তাৰ তাৰিখ আৰু কোনবোৰ গণনা কৰা হৈছে সেয়া বিচাৰে। তাত পঢ়ে যে 'কাজ পোৱা'ত যিকোনো মজুৰি থকা কাম অন্তৰ্ভুক্ত, এটা সপ্তাহীয়া চুক্তিও। দাবীটো সমৰ্থিত বুলি চিহ্নিত কৰে কিন্তু পুনৰ সংজ্ঞায়িত, আৰু কয় কোন সিদ্ধান্তটোৱে সেয়া সলনি কৰে।

Why the stronger approach works দুয়োটা পৰ্যালোচক সংখ্যাটো পৰীক্ষা কৰিছিল আৰু দুয়োতে পালে। কেৱল এজনহে সেই ঠাইলৈ গৈছিল য'ত লিখা আছে কি গণনা কৰা হয় — আৰু অৰ্থ সেয়াতে সলনি হয়।

Try a changed situation এতিয়া এটা বিদ্যালয়ৰ মাচুলৰ পইচা উভতি দিয়াৰ বাৰ্তা যি এজন অভিভাৱকে আপোনালৈ ফোনত পঠিয়াইছে। কোনটো অংশ আগতে ল’ব?

Make something yourself এটা তিনিটা বাক্যৰ উত্তৰৰ দাবিসমূহৰ তালিকা বনাওক। দাবী, তাৰ প্ৰভাৱ, প্ৰয়োজনীয় উৎস, আৰু কি নিশ্চিত নহয় সেয়া দিয়ক।

Read the primary or official source: Wei et al., Long-form factuality in large language models (arXiv)