नमूना टेस्ट दी तैयारी करो

What this lesson is about

अधिकतर नमूना टेस्ट देखदे ने कि तुसी लिखे होए नियम नूं मान्या कि नहीं, ना कि तुसी कितने चालाक हो।

एक एंट्री टेस्ट तुहानू दस जवाबां नूं रैंक करन लई कहंदा ऐ, हर इक दे थल्ले इक लाइन विच वजह लिखणी ऐ। तुसी इसे किमें भरोगे?

Why this matters

InstructGPT दी टीम ने छंटनी वाली जाँच नाल रिव्यूअर चुने ते फेर ओहना दी सहमति नापी। ट्रेनिंग तो बाहर रखे रिव्यूअर 77% वारी आपस विच सहमत रहे। नापना उस दिन खत्म नहीं हुंदा जदो तुसी पास हो जांदे हो। जिणा सवालां दे जवाब पहले ही तय हो चुके ने, ओ बिना निशान दे एक पेड बैच विच रखे हुंदे ने, नाल ही साधे ध्यान जांच वाले सवाल। तुहाडा स्कोर ही कतार खुली रखन वाला कारण हुंदा है।

नमूना टेस्ट दी तैयारी करो, नियम पढ़ो ते ओहदा ठीक-ठीक पालन करो।

नमूना टेस्ट देखदा है कि तुसी लिखे नियम नूं मानदे हो कि नहीं।
लोग ओथे गलती करदे ने जिथे ओह निर्देश छोड़दे ने जिड्डे नाल ओह सहमत नहीं।
तय जवाब वाले सवाल बिना निशान दे बैच विच रखे हुंदे ने, ते ओहना ते कम स्कोर कतार नू रोक दिंदा है।

Task

दस रैंकिंगां दी एक नमूना जाँच, हर इक दे थल्ले इक लाइन दी वजह, ते ओह पेड बैच जो खुलदा है।

Weak approach हर इक दे थल्ले इक पैराग्राफ लिखना, बराबरी वाला नियम छोड़ देना क्यूंकि ओ गलत लगदा सी। फेर जदो संदेश आया कि सहमति घट गई है, तदो हफ्ते दोगुनी रफ्तार नाल काम करना।

Stronger approach हर इक दे थल्ले इक लाइन, बिलकुल जिमें पूछा गया। बराबरी वाला नियम ओथे वी लागू करना जिथे गलत लगदा है, ते असहमति नोट्स बॉक्स विच लिखनी। जदो संदेश आए कि कतार रुकी है, तदो होर कुछ नहीं छेड़ना। दिशानिर्देश ते तय सवाल दोबारा पढ़ने, ते गलती वाले सवाल नंबर नाल मांगने।

Why the stronger approach works जाँच सबसे वधिया फैसला नहीं लब रही। ओह उस बंदे नू लब रही है जो लिखे दिशानिर्देश नू ओहना सवालां ते वी माने जिणा नू कोई नहीं देख रहा।

Try a changed situation तुसी टेस्ट पास कर लया ते पेड बैच शुरू हो गया। आधे रास्ते ते इक निर्देश तुहानू अभी वी गलत लगदा है। बचे मामले नाल तुसी की करोगे?

Make something yourself अपणी टाइम लिमिट विच इक प्रैक्टिस टेस्ट करो। हर उस जगह नोट लिखो जिथे तुहाडा मन लिखे दिशानिर्देश तो हटण दा होया, ते तुसी की किया। ओ सवालां दे नां लिखो जिणा नू तुसी दोबारा देखणा चाहोगे जदों तुहाडा स्कोर रुके।

Read the primary or official source: Ouyang et al., InstructGPT (arXiv)