Skip to lesson

ಯಂತ್ರ ಅನುವಾದಿತ. ಇಂಗ್ಲಿಷ್ ಮತ್ತು ಹಿಂದಿ ಪರಿಶೀಲಿತ ಆವೃತ್ತಿಗಳು.Englishहिन्दी

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

ಇನಾಮ್ ಮಾದರಿ ಎಂದರೆ ಏನು

What this lesson is about

ನಿಮ್ಮ ಗುರುತಿಸಿದ ಜೋಡಿಗಳಿಂದ ಏನು ನಿರ್ಮಿಸಲಾಗುತ್ತದೆ ನೋಡಿ: ಸರಿಯಾದ ಉತ್ತರದ ಬದಲು ನಿಮ್ಮ ಕ್ರಮದ ಮೇಲೆ ತರಬೇತಿಗೊಂಡ ಸ್ಕೋರ್ ನೀಡುವವನು.

ನಿಮ್ಮ ೮೦೦ ಗುರುತಿಸಿದ ಜೋಡಿಗಳ ಬ್ಯಾಚ್ ಸೋಮವಾರ ಪ್ರಯೋಗಾಲಯಕ್ಕೆ ಹೋಗುತ್ತಿದೆ. ಸಹೋದ್ಯೋಗಿ ಅದರಿಂದ ಏನು ನಿರ್ಮಿಸಲಾಗುತ್ತದೆ ಎಂದು ಕೇಳುತ್ತಾನೆ.

Why this matters

ಪ್ರಕಟಿತ ಸಾರಾಂಶ ಕಾರ್ಯದಲ್ಲಿ ಈ ರಚನೆ ಕಾಣಿಸುತ್ತದೆ. ಗುರುತಿಸಿದ ಜೋಡಿಗಳು ಸ್ಕೋರ್ ನೀಡುವವನು ತರಬೇತಿಗೊಳಿಸುತ್ತವೆ, ನಂತರ ಮಾದರಿಯನ್ನು ಆ ಸ್ಕೋರ್‌ಗೆ ವಿರುದ್ಧವಾಗಿ ಸುಧಾರಿಸಲಾಗುತ್ತದೆ. ಆದ್ದರಿಂದ ನಿಮ್ಮ ಜೋಡಿ ಮಾದರಿ ನಕಲಿಸುವ ಉತ್ತರವಲ್ಲ. ಅದು ಸ್ಕೋರ್ ನೀಡುವವರ ಸ್ವಂತ ಪಾಠದ ಒಂದು ಸಾಲು. ನಂತರ ಮಾದರಿಯನ್ನು ಆ ಸ್ಕೋರ್ ನೀಡುವವರನ್ನು ಸಂತೋಷಪಡಿಸಲು ಒತ್ತಾಯಿಸಲಾಗುತ್ತದೆ.

Read the primary or official source: Stiennon et al., Learning to summarize from human feedback (arXiv)