Skip to lesson

মেশিন দ্বারা অনূদিত। ইংরেজি এবং হিন্দি পর্যালোচিত সংস্করণ।Englishहिन्दी

  1. Learn
  2. See
  3. Try
  4. Make

গোল্ড আইটেম এবং কীভাবে আপনার কিউ থামে

What this lesson is about

আপনার ব্যাচের কিছু আইটেমের উত্তর আগে থেকেই ঠিক থাকে। আপনি সেগুলোর সঙ্গে কতটা একমত হন, সেটাই ঠিক করে কাজ চলতে থাকবে কি না।

আজকের ৪০টি কাজের মধ্যে ৬টি এমন যা টিম আগে থেকেই ঠিক করে রেখেছে। কোনগুলো তা কেউ বলে না। এখন কী পরিবর্তন হবে?

Why this matters

প্রকল্পগুলো কিছু আইটেম লুকিয়ে রাখে যেগুলোর উত্তর তারা আগে থেকেই ঠিক করে রেখেছে, আর সেগুলোর ওপর আপনাকে স্কোর করে। তারা বলে না কোনগুলো ছিল। এক প্রকাশিত প্রকল্প তার রিভিউয়ারদের এভাবেই মাপেছিল। প্রশিক্ষণের বাইরে থাকা রিভিউয়াররা ১০০-এ প্রায় ৭৭ বার একমত হয়েছিল। কেউ ১০০-এ ১০০ বার একমত হয় না, এবং কোনো সীমাও তা চায় না।

Read the primary or official source: Ouyang et al., Training language models to follow instructions (arXiv)