सीखने के सभी रास्ते समझें देखें करें बनाएँ नमूना जाँच की तैयारी करें यह पाठ किस बारे में है ज़्यादातर नमूना जाँचें यह देखती हैं कि आपने लिखा हुआ दिशानिर्देश माना या नहीं, यह नहीं कि आप कितने होशियार हैं।
एक भर्ती जाँच में दस उत्तरों का क्रम लगाना है, और हर एक के नीचे एक पंक्ति में वजह। इसे कैसे भरेंगे?
A नमूना जाँच यह देखती है कि आपने लिखा हुआ दिशानिर्देश माना या नहीं। B जितना अच्छा कर सकें क्रम लगाएँ, और हर एक के नीचे पूरा पैराग्राफ़ लिखें। C हर निर्देश मानें, सिवाय बराबरी वाले नियम के, जो साफ़ तौर पर गलत दिखता है।
याद जाँचें यह काम क्यों ज़रूरी है एक बड़े मॉडल की सिखाई पर हुए प्रकाशित काम में टीम ने छँटनी वाली जाँच से जाँचने वाले चुने और फिर देखा कि वे आपस में कितना मिलते हैं। सिखाई से बाहर रखे गए जाँचने वाले 77% बार आपस में एक जैसे निकले। नापना उस दिन बंद नहीं होता जिस दिन आप पास होते हैं। जिन मामलों का जवाब पहले से तय है, वे पैसे वाले बैच के भीतर बिना किसी निशान के बैठे रहते हैं, और साथ में ध्यान जाँचने वाले सीधे-सादे सवाल भी। उन्हीं से आपका मिलान तय करता है कि कतार खुली रहेगी या नहीं।
नमूना जाँच की तैयारी इस तरह कर पाएँ कि दिशानिर्देश पढ़कर उसी को हूबहू मानें।
एक बड़े मॉडल की सिखाई पर हुए प्रकाशित काम में टीम ने छँटनी वाली जाँच से जाँचने वाले चुने और फिर देखा कि वे आपस में कितना मिलते हैं। सिखाई से बाहर रखे गए जाँचने वाले 77% बार आपस में एक जैसे निकले। नापना उस दिन बंद नहीं होता जिस दिन आप पास होते हैं। जिन मामलों का जवाब पहले से तय है, वे पैसे वाले बैच के भीतर बिना किसी निशान के बैठे रहते हैं, और साथ में ध्यान जाँचने वाले सीधे-सादे सवाल भी। उन्हीं से आपका मिलान तय करता है कि कतार खुली रहेगी या नहीं।
नमूना जाँच यह देखती है कि आपने लिखा हुआ दिशानिर्देश माना या नहीं। लोग वहीं चूकते हैं जहाँ वे उस निर्देश को छोड़ देते हैं जिससे वे असहमत थे। तय जवाब वाले मामले बैच में बिना निशान के बैठे होते हैं, और उन पर कम अंक कतार रोक देते हैं। काम नमूना जाँच में दस क्रम और हर एक के नीचे एक पंक्ति में वजह, और उसके बाद खुलने वाला पैसे वाला बैच।
कमज़ोर तरीका हर एक के नीचे पूरा पैराग्राफ़ लिखना, बराबरी वाला नियम इसलिए छोड़ देना कि वह गलत लगा, और जिस हफ़्ते संदेश आए कि मिलान गिर गया है, उसी हफ़्ते दोगुनी रफ़्तार से काम करने लगना।
बेहतर तरीका हर एक के नीचे एक ही पंक्ति, ठीक जैसा माँगा गया। बराबरी वाला नियम वहाँ भी लगाया जाता है जहाँ वह गलत लगता है, और असहमति नोट वाले खाने में जाती है। जिस दिन संदेश आए कि कतार रुक गई है, उस दिन कोई और मामला छूने से पहले दिशानिर्देश और तय जवाब वाले मामले दोबारा पढ़े जाते हैं, और जिन पर चूक हुई उन्हें नंबर से माँगा जाता है।
बेहतर तरीका क्यों काम करता है जाँच सबसे अच्छी समझ नहीं ढूँढ़ रही। वह ऐसा व्यक्ति ढूँढ़ रही है जो लिखा हुआ दिशानिर्देश उस मामले पर भी वैसे ही माने जिस पर कहीं नहीं लिखा होता कि वही देखा जा रहा है।
बदली हुई स्थिति आज़माएँ जाँच पास हो गई और पैसे वाला बैच शुरू हो चुका है। आधे रास्ते पर एक निर्देश आपको अब भी गलत लगता है। बचे हुए मामलों के साथ आप क्या करेंगे?
अब खुद बनाकर देखें कोई एक अभ्यास जाँच उसी की समय-सीमा में करें। हर उस जगह के आगे नोट लिखें जहाँ आपका मन लिखा दिशानिर्देश छोड़ने का हुआ, और वहाँ आपने क्या किया। यह भी लिखें कि अगर आपके अंक पर कतार रुक जाए तो कौन-से मामले आप दोबारा देखने को माँगेंगे।
दूर बैठकर AI का काम पाना और बनाए रखना: 8 में से पाठ 2 आगे दस्तख़त से पहले शर्तें पढ़ें भाग 1 के आख़िर में आपके काम का नमूना बनता है, जिसे आप भेज सकते हैं
मूल या आधिकारिक स्रोत पढ़ें: Ouyang et al., InstructGPT (arXiv)