Skip to lesson

મશીન દ્વારા અનુવાદિત. અંગ્રેજી અને હિન્દી સમીક્ષિત સંસ્કરણો છે.Englishहिन्दी

  1. Learn
  2. See
  3. Try
  4. Make

ગોલ્ડ વસ્તુઓ, અને તમારી કતાર કેમ અટકે છે

What this lesson is about

તમારા બેચની કેટલીક વસ્તુઓમાં જવાબ પહેલેથી નક્કી હોય છે. તમે તે જવાબ સાથે કેટલો સહમત છો તે નક્કી કરે છે કે કામ ચાલુ રહેશે કે નહીં.

આજના 40 કામોમાંથી છ એવી વસ્તુઓ છે જે ટીમે પહેલેથી નક્કી કરી છે. કોઈ તમને કયા છ છે તે નથી કહેતો. શું બદલાશે?

Why this matters

પ્રોજેક્ટ એવા વસ્તુઓ છુપાવે છે જેમના જવાબો તે પહેલેથી નક્કી કરી ચૂક્યા હોય છે અને તે પર તમારું મૂલ્યાંકન કરે છે. તે કયા હતા તે નથી કહેતા. એક પ્રકાશિત પ્રોજેક્ટે પોતાના સમીક્ષકોનું આ રીતે મૂલ્યાંકન કર્યું. તાલીમ બહારના સમીક્ષકો 100 માંથી લગભગ 77 વખત એકમતિ હતા. કોઈ પણ 100 માંથી 100 વખત એકમતિ નથી અને કોઈ પણ મર્યાદા તે માંગતી નથી.

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