নির্দেশনা এবং মূল্যায়ন মানদণ্ড পড়ুন

What this lesson is about

একটি বিস্তৃত অনুরোধকে এমন চেকগুলোতে ভাগ করুন যা আপনি উত্তরে দেখতে পারেন। প্রতিটি চেক একটি মানদণ্ড — একটি নির্দিষ্ট গুণ যা আপনি বিচার করবেন।

আজ তোমরা দুজনেই একই আটটি উত্তর মূল্যায়ন করছো, আর নির্দেশে শুধু বলা আছে, শুধু ব্যবহারযোগ্য করে তুলো। প্রথমে কী লিখবে?

Why this matters

মানব-প্রতিক্রিয়া কাজ ব্যক্তিগত পছন্দের উপর নির্ভর করে না। একটি রুব্রিক — চেকলিস্ট যা বলে একটি ভালো উত্তরে কী থাকা উচিত — একটি অস্পষ্ট অনুরোধকে প্রমাণে রূপান্তর করে। এর প্রতিটি লাইন একটি মানদণ্ড — একটি নির্দিষ্ট গুণ যা আপনি বিচার করবেন।

একটি বিস্তৃত নির্দেশনাকে এমন চেকগুলোতে রূপান্তর করুন যা দুই পর্যালোচক ধারাবাহিকভাবে প্রয়োগ করতে পারেন।

সীমাবদ্ধতা: উত্তরটি কী করা উচিত এবং কী করা উচিত নয়।
মানদণ্ড: একমাত্র গুণ যা আপনি বিচার করবেন।
অ্যাঙ্কর: উত্তরে পাস, আংশিক এবং ফেল কেমন দেখায়।

Task

একটি স্কুল গ্রুপ দশ বছরের বাচ্চাদের জন্য সূর্যগ্রহণ সম্পর্কে একটি নোট চায়। তোমাদের দুজনই একই নোট মার্ক করবে।

Weak approach তিনটি চেক লেখে: নোটটি পরিষ্কার, এটি আকর্ষণীয়, এবং খুব দীর্ঘ নয়। তারপর একই নোটে দুই রিভিউয়ারের মতামত আলাদা হয়, এবং কেউ বলতে পারে না কোন চেক সিদ্ধান্ত নিয়েছে।

Stronger approach চারটি চেক লেখে, প্রতিটিতে কিছু গণনা যোগ্য। চারটি বাক্য বা তার কম। সূর্য, চাঁদ এবং পৃথিবীর নাম উল্লেখ করে। বলে যে চাঁদ সূর্যের আলো বন্ধ করে। তিনটি অক্ষরের বেশি কোনো শব্দ নেই। একটি আসল নোট তিনটি পাস করে এবং চতুর্থটিতে ফেল হয়, এমন একটি শব্দে যা দশ বছরের বাচ্চা বলে না।

Why the stronger approach works একটি শীট একটি শব্দের কারণে নোট ফেল করে যা দুই রিভিউয়ারই দেখতে পায়। অন্যটি স্বাদ বা পছন্দের কারণে ফেল করে।

Try a changed situation এখন তুমি হাতে লেখা দোকানের বিলের ছবি বিচার করছো, লেখা উত্তর নয়। প্রথমে কী ঠিক করবে?

Make something yourself এই কাজের জন্য চারটি মানদণ্ড লিখুন যা আপনি পরীক্ষা করতে পারেন: ‘দুই ঘণ্টার বিদ্যুৎ বিচ্ছিন্নতার সময় একজন ছাত্রের জন্য নিরাপদ, কম খরচের পড়াশোনার পরিকল্পনা দিন।’

Read the primary or official source: OpenAI InstructGPT