ન્યાય સમજાવો અને સુધારો

What this lesson is about

સાચી ભૂલ શોધો. એક નાનું કારણ લખો. પછી તે સુધારવાનું વિકલ્પ પસંદ કરો.

એક તાલીમાર્થીનો નોંધ કહે છે કે જવાબ ગૂંચવણભર્યો અને ખોટો છે, અને બેચ સમયસર આપવો છે. તમે શું મોકલશો?

Why this matters

ઉપયોગી પ્રતિસાદ બતાવે છે કે શું ખોટું થયું, પુરાવો ક્યાં છે અને વધુ સારું જવાબ શું કરવો જોઈએ. તેને એક માપદંડ સાથે જોડો — જે ગુણવત્તા તમે મૂલ્યાંકન માટે ઉપયોગ કરો છો. તે માપદંડ રૂબ્રિકમાં હોય છે — ચેકલિસ્ટ જે કહે છે કે સારો જવાબ શું હોવો જોઈએ.

સાચી ભૂલ શોધો અને તેને સુધારવા માટે નાનું બદલાવ લખો.

ચોક્કસ દાવો કે વાક્ય બતાવો.
ભૂલને રૂબ્રિકના માપદંડ સાથે જોડો.
બિનસમર્થિત વિગતો ઉમેર્યા વિના સુધારો કરો.

Task

એક સમીક્ષિત જવાબ કહે છે કે યોજના 2021માં શરૂ થઈ અને ચોક્કસ 8.4 મિલિયન લોકોની મદદ કરી. તેમાં કોઈ સ્ત્રોત કે તારીખ નથી.

Weak approach લખે છે કે જવાબ તથ્યો સાથે બેદરકારીથી લખાયો છે અને વાચક ભ્રમિત થઈ શકે છે. કહે છે કે આખું જવાબ તપાસીને ફરી લખવું જોઈએ. કોઈ વાક્ય ઉદ્ધૃત નથી કરતું.

Stronger approach તે વાક્ય ઉદ્ધૃત કરે છે જેમાં ચોક્કસ 8.4 મિલિયન લોકોની મદદ થઈ હોવાનું કહેવામાં આવ્યું છે. તેને પુરાવા માપદંડ સાથે જોડે છે, જે દરેક આંકડાના બાજુમાં સ્ત્રોત માંગે છે. પછી સુધારો આપે છે: વિભાગની પોતાની રિલીઝ તેની તારીખ સાથે ઉલ્લેખો, અથવા આ આંકડો કાઢી નાખો અને લખો કે ગણતરી જાણીતી નથી.

Why the stronger approach works બન્ને ટિપ્પણીઓ કહે છે કે જવાબ ખોટો છે. માત્ર એક પર પાંચ મિનિટમાં કામ કરી શકાય, કારણ કે તે વાક્ય, માપદંડ અને બદલાવ બધું જણાવે છે.

Try a changed situation તમે એક સહાયકના ફોર્મ ભરવાના બેચને સામાન્ય સેવા કેન્દ્રમાં ચકાસી રહ્યા છો, મોડેલ જવાબો નહીં. તમારો નોંધ શું કરશે?

Make something yourself આ સમીક્ષક ટિપ્પણીને ફરીથી લખો જેથી બીજો કાર્યકર તેના પર કામ કરી શકે: 'આ જવાબ ગૂંચવણભર્યો અને ખોટો છે.'

Read the primary or official source: OpenAI InstructGPT