Skip to lesson

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

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

મૂલ્યાંકન લૂપ પૂર્ણ કરે છે

What this lesson is about

હોલ્ડ-આઉટ કાર્યનો ઉપયોગ કરો — એવા કાર્ય જે મોડેલ ક્યારેય ટ્રેનિંગમાં ઉપયોગમાં ન આવ્યા હોય — અને સ્પષ્ટ માપદંડો. તપાસો કે ફેરફાર મદદરૂપ થયો કે નહીં અને નવા નિષ્ફળતાઓ સર્જાયાં કે નહીં.

તમારી ટીમને બદલાવની ચકાસણી માટે વીસ પ્રશ્નોની જરૂર છે, અને ગયા મહિના ની તાલીમ ફાઈલ સ્ક્રીન પર ખુલ્લી છે. તમે શું કરશો?

Why this matters

એક ફેરફાર એક સ્કોર વધારી શકે છે પણ ચોકસાઈ, સલામતી અથવા કોઈ ખાસ વપરાશકર્તા જૂથ માટે પરિણામ ખરાબ કરી શકે છે. તેથી તમે હોલ્ડ-આઉટ સેટ પર પરીક્ષણ કરો છો — એવા કાર્ય જે મોડેલ માટે ક્યારેય બનાવવામાં આવ્યા ન હતા. અને તમે રિગ્રેશન શોધો છો — જે પહેલાં કામ કરતું હતું અને હવે નિષ્ફળ છે.

Read the primary or official source: OpenAI HealthBench