गोल्ड आइटम, ते कतार क्यूं रुकदी ऐ

What this lesson is about

थोड़े आइटम तुहाडे बैच विच पहले ही तय जवाब रखदे ने। तुसी ओहना नाल किन्ना सहमत हो, एहे तय करदा ऐ कि कम जारी रहना ऐ या नहीं।

आज दे 40 कमां विच 6 आइटम ओ ने जिन्दा फैसला टीम पहले ही कर चुकी ऐ। कोई नहीं दसदा कि ओ 6 किने ने। की बदलेगा?

Why this matters

प्रोजेक्ट कुछ आइटम छुपा देन्दे ने जिन्दा जवाब ओह पहले ही तय कर चुके हुंदे ने, ते उन्हीं ते तुहाडा स्कोर करदे ने। ओह नहीं दसदे कि किने आइटम ने। एक प्रकाशित प्रोजेक्ट ने अपने रिव्यूअरां नूं एहे तरीका नाल नापा। रिव्यूअरां जो ट्रेनिंग तो बाहर रखे गए, ओ 100 विच करीब 77 वार सहमत हुंदे ने। कोई 100 विच 100 वार सहमत नहीं हुंदा, ते कोई सीमा एहो नहीं मांगदी।

समझो कि प्लेटफॉर्म तुहाडे कम करदे वखत की नापदा ऐ, ते जदों कतार रुके ता की करना ऐ।

गोल्ड आइटम ओह ऐ जिदा फैसला प्रोजेक्ट तुहाडे देखन तों पहले ही कर चुक्या हुंदा ऐ।
कतार रुकण गाइडलाइन बारे संदेश ऐ, तुहाडे बारे फैसला नहीं।
अगला बैच शुरू करन तों पहले पूछो कि तुसी किने गोल्ड आइटम मिस किते।

Task

मंगलवार नूं तुहाडा कम रुक गया। संदेश कहन्दा ऐ कि छुपे चेक आइटमां ते तुहाडा स्कोर 100 विचों 62 रह गया। इस प्रोजेक्ट दी सीमा 80 ऐ।

Weak approach ओही शाम नया बैच खोलदा ऐ ते दुगनी रफ्तार नाल कम करदा ऐ। आसान आइटम पहले करदा ऐ ते शक वाले बाद रखदा ऐ।

Stronger approach कम रोक दिंदा ऐ। गलत होए आठ चेक आइटमां दी मांग करदा ऐ। आठ विचों छे एक ही किस्म दे ने: पहले राउंड विच यूजर ने हिंदी मंगी सी, जवाब अंग्रेज़ी आया। ओ गाइडलाइन दा ओ पन्ना दोबारा पढ़दा ऐ, फेर अगला बैच खोलदा ऐ।

Why the stronger approach works रुकावट तों बाद जल्दी कम करन नाल स्कोर उल्टी दिशा विच जान्दा ऐ। आठ विच छे गलती एक ही कारण दी सी, ते ओ गाइडलाइन दे एक पन्ने ते लिखी सी।

Try a changed situation इस हफ्ते 2 ऑर्डर गलत मार्क होण ते बाद डिलीवरी ऐप तुहाडा अकाउंट रिव्यू विच रखदा ऐ। पहला कदम की होगा?

Make something yourself किसे एक चेक ते एक पन्ना लिखो जिथे तुसी फेल होए - कम विच या टेस्ट विच। लिखो कि की नापा जा रया सी। फेर लिखो कि तुसी की दोबारा पढ़िया, ते कीड़ा सवाल पुछिया।

Read the primary or official source: Ouyang et al., Training language models to follow instructions (arXiv)