निशान आरो कहाँ जाबो

What this lesson is about

स्क्रीन फोरुन एक रेटिंग बैच आरो ट्रेनिंग रन फोरुन फोलो करा, आरो बाट फोरुन जाँच फोरुन देखाब।

तुमि शुक्रवार फोरुन दो सौ पंक्ति पूरा करि भेजाल। तुमार भाय पूछे की मॉडल ओही रात फोरुन बदल जाब?

Why this matters

एक प्रकाशित सहायक रन आरो चक्र साफ फोरुन लिखाल। बैच आरो मिलाय जाब, एक भाग अलग राखाल, मॉडल सिखाल, आरो बदला मॉडल फोरुन नया बैच आव। दोइ बात फोरुन भरोसा बनाय: अलग राखाल भाग सुधार फोरुन बिना पढ़ाल रहिबा, आरो हर बैच फोरुन केन आरो कब निशान लगाल लिखाल रहिबा।

स्क्रीन फोरुन एक रेटिंग बैच आरो ट्रेनिंग रन फोरुन फोलो करा, आरो बाट फोरुन जाँच नाम करा।

तुमार बैच आरो दूसर संग मिलाय जाब, आरो फोरुन बंटाय जाब: अधिकांश रन फोरुन जाब, कुछ अलग राखाल।
अलग राखाल भाग फोरुन खर्च होजाब जखन कोई ओकर गलती पढ़ि सुधार करै।
केन निशान लगाल आरो कब लिखाल, कारण बिना नाम आरो बैच फोरुन बाद फोरुन जाँच नोहाय।

Task

एक टीम पूछे पिछला महीना आरो बारह सौ निशान लगाल जोड़ी नया मॉडल फोरुन टेस्ट फोरुन फोरुन कहाँ गेल।

Weak approach कहाय सब ट्रेनिंग रन फोरुन गेल, आरो नया मॉडल बढ़िया उत्तर देल, तेन निशान लगान काम आयल। नाम, बैच, गिनती, तारीख नोहाय।

Stronger approach फोलो कराय: एक हजार रन फोरुन, दो सौ अलग राखाल। दो सौ फोरुन दूटा सुधार फोरुन पढ़ाल, रिपोर्ट फोरुन एक सौ अठानबे लिखाल।

Why the stronger approach works कमजोर फोलो मॉडल बढ़िया होब फोरुन रुकाय। मजबूत फोलो अलग राखाल आरो खर्च होल देखाब।

Try a changed situation एक साथी संस्था तुमार अलग राखाल भाग फोरुन एक संख्या मांगाय। ओकर छह आइटम गाइडलाइन सुधार फोरुन पढ़ाल।

Make something yourself तुमार एक बैच आरो बाट बनाब: केन निशान लगाल, की सिखाल, की अलग राखाल, आरो की खर्च होल।

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