Skip to lesson

মেশিন দ্বারা অনূদিত। ইংরেজি এবং হিন্দি পর্যালোচিত সংস্করণ।Englishहिन्दी

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

পছন্দের ব্যাচের অডিট করুন

What this lesson is about

পছন্দের মার্কের একটি ব্যাচ খুলুন এবং গুণুন যে কোন ভুলগুলো থেকে একটি স্কোরার শিখবে, তারপর নোট লিখুন।

নয়শো মার্ক করা জোড়ার একটি ব্যাচ ল্যাবে যাওয়ার আগে আপনার ডেস্কে আসে। আপনি প্রথমে কী গুণবেন?

Why this matters

একটি প্রকাশিত সহকারী প্রকল্প একটি ল্যাবের নিজস্ব গবেষক এবং পেইড রিভিউয়ারদের মধ্যে প্রায় তিরিশ ত্রিশ শতাংশের মত সম্মতি পরিমাপ করেছিল। কঠিন কেসে সতর্ক কাজ এমনই দেখায়। তাই এমন একটি ব্যাচ যা প্রায় নিখুঁত সম্মতি দেখায় সেটি প্রথমে খুলুন। আপনি যা খুঁজছেন তা হলো স্কোরার যে অভ্যাসটি অনুকরণ করবে।

Read the primary or official source: Bai et al., Training a Helpful and Harmless Assistant with RLHF (arXiv)