ખોટા જવાબને ટેસ્ટમાં ફેરવો

What this lesson is about

એક ખોટો જવાબ લો અને તે આઇટમ લખો જે આજે ફેલ થાય છે અને સુધાર્યા પછી પસાર થશે.

તમે જોયું કે હેલ્પલાઇન ગોરખપુર માટે ખોટું ભાડું આપી રહી છે. તમારું ગ્રુપ કહે છે કે તેને યોગ્ય રીતે ફાઇલ કરો.

Why this matters

પ્રકાશિત કોડ ચેક સેટ આ રીતે બનેલું હોય છે. દરેક આઇટમમાં એવી ટેસ્ટ હોય છે જે સુધારાથી પહેલા ફેલ થાય અને પછી પાસ થાય. તેથી સુધાર સાબિત થાય છે, માત્ર દાવો નહીં. ફરિયાદ સાબિત ન થઈ શકે અને ન જ ઠીક થઈ શકે. આઇટમ કોઈને પણ આપી શકાય.

એક ખોટા જવાબને એવી ટેસ્ટ આઇટમમાં ફેરવો જેને બીજું કોઈ ચલાવી શકે અને સમાન ખામી જોઈ શકે.

ટેસ્ટ માટે ચોક્કસ ઇનપુટ, અપેક્ષિત આઉટપુટ અને જોયેલું આઉટપુટ જોઈએ.
ઇનપુટને કાપો જ્યાં સુધી સૌથી નાનું ફેલ થતું ઇનપુટ બાકી રહે.
કહો કે તમારું અપેક્ષિત આઉટપુટ શા માટે સાચું છે, નહીં તો બીજો વ્યક્તિ આઇટમ સાથે જ દલીલ કરશે મોડેલ સાથે નહીં.

Task

દુકાનદાર સહાયક 12.3499 પાછું લાવ્યો જ્યારે બિલમાં પૈસા સુધીની રકમ હોવી જોઈએ. તેને ટેસ્ટ આઇટમમાં ફેરવો.

Weak approach એક નોંધ ફાઇલ કરે છે કે સહાયક પૈસામાં નબળો છે અને પૈસા ખોટા આપે છે. ચેટની તસવીર જોડે છે અને સુધાર માંગે છે.

Stronger approach ચોક્કસ વિનંતી આપે છે, અપેક્ષિત 12.35, જોયેલું 12.3499, અને નિયમ કે બિલમાં બે દશાંશ સ્થાન સુધી રકમ હોય છે. વિનંતીને એક લાઇન સુધી કાપી દે છે જે હજુ પણ ફેલ થાય છે.

Why the stronger approach works બન્ને સમાન ખામી બતાવે છે. માત્ર મજબૂત જવાબ તે વ્યક્તિ ચલાવી શકે છે જેણે તે ચેટ ક્યારેય જોઈ ન હોય.

Try a changed situation તમારી આઇટમ ચાર પાનાના ઇનપુટ પર ફેલ થાય છે. સાથી કહે છે કે કઈ લાઇન તૂટે છે તે ખબર નથી.

Make something yourself આ અઠવાડિયે મળેલો એક ખોટો જવાબ લો. તેને ટેસ્ટ આઇટમ તરીકે લખો: ઇનપુટ, અપેક્ષિત આઉટપુટ, જોયેલું આઉટપુટ, અને કારણ.

Read the primary or official source: Jimenez et al., SWE-bench: Can Language Models Resolve Real-World GitHub Issues? (arXiv)