पसंद बैच आरोनि

What this lesson is about

पसंद निशान आरोनि बैच खोबो आरोनि, स्कोरर बिदोनि फाल्ट गाबो आरोनि, आरोनि नोट लिखो।

नौ सौ निशान जोड़ी बैच प्रयोगशाला जाय पहिला तोर मेज ऊपर आसे। तोर पहिला गिनिबा की?

Why this matters

एक प्रकाशित सहायक परियोजना अपन टीम आरोनि पेड रिव्यूअर बीच मेल करीब ६३% नापिसे। कठिन केस आरोनि सावधानी काम एहेन होबो। एही कारण बैच जाबा लगभग पूरा मेल थांबो, से पहिला खोलो। स्कोरर जाबा आदत नकल करिबो, से खोजो।

पसंद निशान आरोनि बैच आरोनि फाल्ट गाबो, आरोनि नोट लिखो।

तीन फाल्ट स्कोरर खराब कराय: लंबा जीत, पहिला देखाय जीत, आरोनि एक रिव्यूअर अकेले निशान।
लगभग पूरा मेल इनाम नाय, चेतावनी थांबो, कारण कठिन केस सावधानी लोग बंटाय।
गिनती नमूना साइज संग बतावो, आरोनि कुन फाल्ट परिक्षण नाय करिबो से लिखो।

Task

सेहत हेल्पलाइन नौ सौ पसंद जोड़ी में साठ आरोनि जांच करिबा, सिखाबा पहिला।

Weak approach साठ जोड़ी पढ़िसे, हर निशान ठीक लगिसे, आरोनि लिखिसे बैच साफ आरोनि जाय सकाय। गिनती नाय करिसे, रिव्यूअर नाम नाय लिखिसे।

Stronger approach गिनती करिसे: लंबा उत्तर ४८ बेर जीतिसे, आरोनि पहिला देखाय उत्तर ४१ बेर। नमूना साइज संग रिपोर्ट करिसे, आरोनि ३० जोड़ी उलट क्रम संग दोबारा निशान लगाबा कहिसे।

Why the stronger approach works दुई रिव्यूअर एके साठ जोड़ी पढ़िसे। मजबूत आरोनि ए पढ़ाई दुई गिनती में बदलाय, जाबा खरीदार जांच करिबो सकाय।

Try a changed situation तोरे नमूना साठ कठिन जोड़ी में ५९ जोड़ी दुई रिव्यूअर मेल करिसे। खरीदार ए बढ़िया काम कहिसे।

Make something yourself एक पसंद बैच नमूना आरोनि जांच करिबा। लंबा जीत आरोनि पहिला देखाय जीत गिनिबा, आरोनि नोट लिखिबा।

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