पसंदां तों ट्रेनिंग सिग्नल तक

What this lesson is about

देखो दो जवाबां विचों चुनाव की पकड़दा ऐ। जद गाइडलाइन या समीक्षक अलग होंदे ने त फेर की छूटदा ऐ।

थोड़ी शीट विच इक जवाब सोमवार वाले बैच तों ऐ ते दूजा बिलकुल अलग सवाल तों। तुसीं की ठीक करोगे?

Why this matters

पसंद ओहदी वधिया हुंदी ऐ जिहड़े पीछे काम, नियम, अते समीक्षक दी समझ होवे। हर नियम दी लाइन इक मापदंड हुंदी ऐ — इक खास गुण जिहड़े नाल तुसी जज करदे हो।

समझाओ कि दो जवाबां विचों चुनाव की पकड़दा ऐ, अते जद मतभेद होवें त किथे सुलझाना जरूरी ऐ।

इक ही सवाल नाल दो जवाब रखो जेडे तुलना हो सकन।
सिर्फ क या ख न लिखो, निर्णायक मापदंड भी लिखो।
सही कारण वाला मतभेद इक सबूत ऐ कि काम नूं सुधारन दी जरूरत ऐ।

Task

दो समीक्षक एक ही रिफंड सवाल के दो जवाबों की तुलना करदे। नियम में सटीकता अते लहजा दा जिक्र है, लंबाई बारे कुछ नहीं।

Weak approach दोनों जवाब दो-दो वार पढ़के दूसरा चुनदा है, क्यूंकि ओह ज्यादा विनम्र लगदा है। बॉक्स विच B लिखके आग्गे वध जांदा है। नियम दी ओ लाइन जड़ी फैसला करदी, कागज ते कहीं नहीं। अगले हफ्ते कोई नहीं कह सकेगा कि लहजा जीता या सटीकता।

Stronger approach ओह वी दूसरा ही चुनदा है, पर ओ लाइन वी लिखदा है जिस ते ओ जीतदा है: पहला जवाब चौदह दिन दी सीमा छोड़ दिंदा है। फेर ए वी बतांदा है कि नियम विच कहीं नहीं लिख्या कि छोटा सही जवाब लंबे सही जवाब तो बेहतर है या नहीं।

Why the stronger approach works दोनों ने एक ही जवाब चुना, पर कारण सिरफ इक ने लिख्या। इस जोड़ी तो अगला पाठ बनदा है: अंक देने वाला ओ लाइन तो सीखदा है। खाली B लिखनाल कुछ नहीं सिखदा।

Try a changed situation दो स्वास्थ्य कर्मचारी इस गल ते मतभेद विच सण कि दो पर्चियां विचों किहड़ा साफ़ ऐ, ते मीटिंग पांच मिनट विच खत्म हो जावेगी। शीट विच की लिखोगे?

Make something yourself पसंद डाटा दे चार कदम बनाओ। फेर इक जगह दसो जिथे पक्षपात या अस्पष्टता आ सकदी ऐ।

Read the primary or official source: Hugging Face Alignment Course