- Learn
- See
- Try
- Make
ನೀವು ಮತ್ತು ಇತರರೊಂದಿಗೆ ಸತತವಾಗಿರಿ
What this lesson is about
ಒಂದು ದೀರ್ಘ ಬ್ಯಾಚ್ನಲ್ಲಿ ಒಂದೇ ಐಟಂ ಹೇಗೆ ಬದಲಾಗುತ್ತದೆ ನೋಡಿ. ಬದಲಾವಣೆಯು ಡೇಟಾ ತಲುಪುವ ಮೊದಲು ನಿಮ್ಮನ್ನು ಮತ್ತೆ ಸರಿಪಡಿಸಿ.
ಒಂದು ದೀರ್ಘ ಬ್ಯಾಚ್ನ ಕೊನೆಯ ದಿನ ನೀವು ಆರಂಭದಲ್ಲಿ ಗುರುತಿಸಿದ ಐಟಂ ಅನ್ನು ಮರು ತೆರೆಯುತ್ತೀರಿ. ಈಗ ನೀವು ಅದನ್ನು ಬೇರೆ ರೀತಿಯಲ್ಲಿ ಗುರುತಿಸುತ್ತೀರಿ. ಈಗ ಏನು ಮಾಡಬೇಕು?
Why this matters
ಒಂದೇ ಇನ್ಪುಟ್ ಮೊದಲ ದಿನ ಮತ್ತು ಕೊನೆಯ ದಿನ ಒಂದೇ ಲೇಬಲ್ ಪಡೆಯಬೇಕು. ಬದಲಾವಣೆ ಮೌನವಾಗಿರುತ್ತದೆ, ಆದ್ದರಿಂದ ಅದನ್ನು ಲಂಗರ್ಗಳು ಹಿಡಿಯುತ್ತವೆ, ಜಾಗರೂಕತೆಯಿಂದ ಅಲ್ಲ.
Read the primary or official source: Bai et al., Training a Helpful and Harmless Assistant (arXiv)