কাজ করা উদাহরণ এবং SFT

What this lesson is about

দেখুন কীভাবে যত্নসহকারে লেখা উদাহরণগুলো একটি মডেলকে শেখায় উত্তর কেমন হওয়া উচিত।

একটি কাজ তিনটি নম্বরযুক্ত ধাপ চায়, আর আপনার উদাহরণ একটি সুন্দর ছোট প্যারাগ্রাফে লেখা। আপনি কী পরিবর্তন করবেন?

Why this matters

একটি মডেল তখনই উদাহরণ থেকে শেখে যখন সেই উদাহরণগুলো স্পষ্টভাবে নির্দেশনা অনুসরণ করে।

দেখুন কীভাবে কাজ করা উদাহরণ সুপারভাইজড ফাইন-টিউনিংয়ের জন্য উপকারী হয়।

নির্দিষ্ট ফরম্যাট ঠিক তেমনই অনুসরণ করুন।
প্রয়োজনীয় নিরাপত্তা এবং বিষয়বস্তু সীমাবদ্ধতা অন্তর্ভুক্ত করুন।
যে প্যাটার্নগুলো আপনি চান না, সেগুলো থেকে বিরত থাকুন, কারণ মডেল সেগুলো নকল করতে পারে।

Task

নির্দেশ: গ্রাহকের ভাষায় দুই লাইনে উত্তর দিন, এবং রিটার্ন উইন্ডো উল্লেখ করুন।

Weak approach হিন্দিতে আসা মেসেজে ইংরেজিতে তিন লাইনের উষ্ণ উত্তর দেয়। রিটার্ন উইন্ডো উল্লেখ করে, তাই কনটেন্ট নিয়ম পূরণ হয়। লেখকের প্রতিটি উদাহরণ এখন একই ক্ষমাপ্রার্থনা দিয়ে শুরু হয়, যা মডেল অনুকরণ করবে।

Stronger approach দুই লাইন, হিন্দিতে কারণ গ্রাহক হিন্দিতে লিখেছে, এবং চৌদ্দ দিনের রিটার্ন উইন্ডো উল্লেখ করে। ক্ষমাপ্রার্থনা নেই, কারণ নির্দেশে তা চাওয়া হয়নি।

Why the stronger approach works উভয় উত্তরই কনটেন্ট নিয়ম মেনে চলে। দুর্বল উত্তরটি দুইটি অপ্রয়োজনীয় বিষয় শেখায়: ইংরেজিতে উত্তর দেওয়া এবং ক্ষমাপ্রার্থনা দিয়ে শুরু করা।

Try a changed situation এখন উদাহরণটি একটি কথ্য স্ক্রিপ্ট যা একটি পরিবারকে পানীয় জল সংরক্ষণ শেখায়। এতে কী থাকা উচিত?

Make something yourself একটি কঠোর সীমাবদ্ধ নির্দেশনার জন্য একটি কাজ করা উদাহরণ লিখুন। তারপর বলুন এটি কী শেখায়।

Read the primary or official source: OpenAI InstructGPT