নিয়ম ঠিক করে, আপনার পছন্দ নয়

What this lesson is about

যখন আপনি ব্যক্তিগতভাবে অসম্মত হন, তখনও লিখিত নিয়ম প্রয়োগ করুন, এবং আপনার অসম্মতি সঠিক পথে জানান।

আপনার নিয়ম বই বলে যে চিকিৎসা প্রশ্ন প্রত্যাখ্যান করা উত্তরকে সহায়ক হিসেবে গণ্য করা হবে। আপনি মনে করেন এটা কারো কাজে আসে না, আর ব্যাচ আজ জমা দিতে হবে। এখন কী করবেন?

Why this matters

আপনার লেবেল অন্যদের সাথে তুলনা করা হয়। চুপচাপ ব্যতিক্রম ডেটাকে বিরোধপূর্ণ করে এবং কারণের কোনো রেকর্ড রাখে না। যেখানে নিয়ম একটি মানদণ্ড নির্ধারণ করে — সেই মানদণ্ডই সিদ্ধান্ত নেয়, আপনার পছন্দ নয়।

যে নিয়মে আপনি অসম্মত, সেটিও প্রয়োগ করুন, এবং আপনার অসম্মতি সেই জায়গায় পাঠান যেখানে নিয়ম পরিবর্তন হতে পারে।

যেখানে নিয়ম সিদ্ধান্ত নেয়, সেখানে নিয়ম আপনার পছন্দের উপরে থাকবে।
আপনার অসম্মতি আলাদা নোটে পাঠান, লেবেল পরিবর্তন করে নয়।
যখন মামলা কাছাকাছি হয়, তখন আপনি যে নিয়মের লাইন প্রয়োগ করেছেন তা উদ্ধৃত করুন।

Task

নিয়ম বলে ছোট উত্তর তখনই সম্পূর্ণ যখন এতে তিনটি প্রয়োজনীয় তথ্য থাকে। একজন পর্যালোচক এমন একটি উত্তর খুব সরল মনে করেন।

Weak approach উত্তরটি নির্দেশিকার সঙ্গে মিলিয়ে দেখে এবং নিশ্চিত করে যে তিনটি প্রয়োজনীয় তথ্য সব আছে। তারপরও এটি রুক্ষ শোনায় বলে অসম্পূর্ণ চিহ্ন দেয়, এবং কোথাও কিছু লেখে না কেন তা নিয়ে। এখন এই লেবেলটি একই নিয়মের অন্য সবার লেবেলের সঙ্গে মিলছে না, এবং কোনো কারণ লেখা নেই।

Stronger approach নিয়ম অনুযায়ী সেটি সম্পূর্ণ চিহ্নিত করেন এবং আলাদা নোটে জিজ্ঞেস করেন যে টোন কি আলাদা মানদণ্ড হওয়া উচিত।

Why the stronger approach works লেবেল অন্যদের সাথে তুলনীয় থাকে, এবং আসল সমস্যা পৌঁছে যায় যারা ঠিক করতে পারেন তাদের কাছে।

Try a changed situation আপনি এখন একটি শিবিরে স্বেচ্ছাসেবক, অফিসের লিখিত নিয়ম অনুসারে ফর্ম পূরণ করছেন। কোন নিয়ম এখনো প্রযোজ্য?

Make something yourself কোনো এমন নিয়ম লিখুন যা মেনে চলতে বলা হয়েছিল কিন্তু আপনি অসম্মত ছিলেন। লিখুন আপনি কিভাবে তা প্রয়োগ করেছেন, এবং কোন আলাদা নোট পাঠাবেন তার বর্ণনা।

Read the primary or official source: OpenAI InstructGPT labeler guidelines