सीखने के सभी रास्ते समझें देखें करें बनाएँ वह उत्तर लिखें जिससे बाकी तौले जाएँ यह पाठ किस बारे में है किसी और के उत्तर पर फ़ैसला नहीं, आदर्श उत्तर ख़ुद लिखें: जो पूछा गया मामला तय करे, अपने कदम दिखाए, और जहाँ मना करना सही हो वहाँ मना करे।
आप उस दुकानदार के लिए आदर्श उत्तर लिख रहे हैं जिससे पूछा गया कि कटा कपड़ा वापस होगा या नहीं। पहले क्या लिखेंगे?
A जितना भरा-पूरा जवाब बन सके लिखें, जिसमें दुकान की हर तरह की वापसी आ जाए। B लिखें कि अच्छी दुकान को इस ग्राहक के लिए क्या करना चाहिए, दुकान का नियम उसमें न लाएँ। C आदर्श उत्तर उसी मामले को तय करता है जो पूछा गया है, वह नहीं जो आप चाहते कि पूछा जाता।
याद जाँचें यह काम क्यों ज़रूरी है बहुत से प्रोजेक्ट किसी और के उत्तर पर अंक नहीं, आदर्श उत्तर ख़ुद ख़रीदते हैं। इंसानी प्रतिक्रिया से मॉडल सिखाने पर हुए प्रकाशित काम में पहले लोगों ने मनचाहा उत्तर लिखा। अंक देने का चरण उसके बाद आया। ढीला आदर्श उत्तर उस पर टिके हर अंक को ढीला कर देता है।
वह आदर्श उत्तर लिखें जिससे आगे के सारे अंक तौले जाएँगे।
बहुत से प्रोजेक्ट किसी और के उत्तर पर अंक नहीं, आदर्श उत्तर ख़ुद ख़रीदते हैं। इंसानी प्रतिक्रिया से मॉडल सिखाने पर हुए प्रकाशित काम में पहले लोगों ने मनचाहा उत्तर लिखा। अंक देने का चरण उसके बाद आया। ढीला आदर्श उत्तर उस पर टिके हर अंक को ढीला कर देता है।
आदर्श उत्तर उसी मामले को तय करता है जो पूछा गया है, वह नहीं जो आप चाहते कि पूछा जाता। हर वह कदम दिखाएँ जिसे अंक देने वाले को जाँचना है, वह हिसाब भी जो आप मन में कर लेते हैं। जहाँ सच्चा जवाब ‘नहीं’ है, वहाँ आदर्श उत्तर ‘नहीं’ कहता है और किस बात पर, यह भी बताता है। काम कपड़े के थोक व्यापारी का ग्राहक वापसी के बारे में लिखता है। उसने दो सितंबर को चालीस मीटर लिया था, और उसमें से छह मीटर उसके नाप का कटवाया था। अब वह आठ मीटर लौटाना चाहता है।
कमज़ोर तरीका जवाब लिखता है कि बिना इस्तेमाल का माल पंद्रह दिन में वापस होता है, और बिल लाने को कहता है। दुकान अपने ग्राहकों का कितना ख़याल रखती है, इस पर एक पंक्ति जोड़ देता है। कटे कपड़े का ज़िक्र कहीं नहीं आता।
बेहतर तरीका लिखता है कि पंद्रह दिन दो सितंबर से गिने जाएँगे, यानी सत्रह सितंबर आख़िरी दिन है। कहता है कि कटे हुए छह मीटर वापस नहीं आ सकते, और क्यों। फिर वह रास्ता देता है जो खुला है: बिना कटा कपड़ा, उसी बिल पर बदला जा सकता है। आख़िर में लिखता है कि ग्राहक साथ क्या लाए।
बेहतर तरीका क्यों काम करता है दोनों जवाब शिष्ट हैं और किसी में झूठ नहीं है। इस ग्राहक का मामला उनमें से एक ही तय करता है, और अंक देने वाला वह पंक्ति दिखा सकता है जिसने तय किया।
बदली हुई स्थिति आज़माएँ अब आप जो आदर्श उत्तर लिख रहे हैं वह छूट पर आठवीं कक्षा के गणित का सवाल है। उसमें क्या होना ज़रूरी है?
अब खुद बनाकर देखें कोई ऐसा सवाल लें जो आपके जाने-पहचाने धंधे में ग्राहक सचमुच पूछते हैं। उसके लिए आदर्श उत्तर लिखें। फिर तीन पंक्तियाँ लिखें कि अंक देने वाले को किन बातों पर अंक काटने चाहिए।
AI ट्रेनर की बुनियाद: 9 में से पाठ 8 आगे मिलान का दौर चलाएँ और पैमाना दोबारा बैठाएँ भाग 2 के आख़िर में आपके काम का नमूना बनता है, जिसे आप भेज सकते हैं
मूल या आधिकारिक स्रोत पढ़ें: Ouyang et al., Training language models to follow instructions (arXiv)