ಕೆಲಸ ಮಾಡಿದ ಉದಾಹರಣೆಗಳು ಮತ್ತು SFT

What this lesson is about

ಒಂದು ಮಾದರಿಯನ್ನು ಉತ್ತರದ ರೂಪವನ್ನು ಹೇಗೆ ತೆಗೆದುಕೊಳ್ಳಬೇಕು ಎಂದು ಎಚ್ಚರಿಕೆಯಿಂದ ಬರೆದ ಉದಾಹರಣೆಗಳು ಹೇಗೆ ಕಲಿಸುತ್ತವೆ ಎಂದು ನೋಡಿ.

ಒಂದು ಕಾರ್ಯವು ಮೂರು ಕ್ರಮಾಂಕಿತ ಹಂತಗಳನ್ನು ಕೇಳುತ್ತದೆ, ಮತ್ತು ನಿಮ್ಮ ಉದಾಹರಣೆ ಒಂದು ಸಣ್ಣ, ಸರಳ ಪ್ಯಾರಾಗ್ರಾಫ್ ಆಗಿದೆ. ನೀವು ಏನು ಬದಲಾಯಿಸುತ್ತೀರಿ?

Why this matters

ಮಾದರಿ ಉದಾಹರಣೆಗಳಿಂದ ಮಾತ್ರ ಕಲಿಯುತ್ತದೆ, ಮತ್ತು ಆ ಉದಾಹರಣೆಗಳು ಸೂಚನೆಯನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ಅನುಸರಿಸಿದಾಗ ಮಾತ್ರ.

ನಿರೀಕ್ಷಿತ ಸೂಕ್ಷ್ಮ-ಸಂಯೋಜನೆಗೆ ಕೆಲಸ ಮಾಡಿದ ಉದಾಹರಣೆ ಉಪಯುಕ್ತವಾಗುವ ಕಾರಣವನ್ನು ನೋಡಿ.

ಕೋರಿಕೆಯ ಫಾರ್ಮ್ಯಾಟ್ ಅನ್ನು ನಿಖರವಾಗಿ ಅನುಸರಿಸಿ.
ಅಗತ್ಯ ಸುರಕ್ಷತೆ ಮತ್ತು ವಿಷಯ ನಿರ್ಬಂಧಗಳನ್ನು ಸೇರಿಸಿ.
ನೀವು ಇಚ್ಛಿಸದ ಮಾದರಿಗಳನ್ನು ತಪ್ಪಿಸಿ, ಅವು ಮಾದರಿ ನಕಲಿಸಬಹುದು.

Task

ಸೂಚನೆ: ಗ್ರಾಹಕರಿಗೆ ಅವರು ಬರೆದ ಭಾಷೆಯಲ್ಲಿ ಎರಡು ಸಾಲುಗಳಲ್ಲಿ ಉತ್ತರ ನೀಡಿ, ಮರಳುವ ವಿಂಡೋವನ್ನು ಹೆಸರಿಸಿ.

Weak approach ಹಿಂದಿಯಲ್ಲಿ ಬಂದ ಸಂದೇಶಕ್ಕೆ ಇಂಗ್ಲಿಷ್‌ನಲ್ಲಿ ಮೂರು ಸಾಲುಗಳ ಹೃದಯಸ್ಪರ್ಶಿ ಉತ್ತರವನ್ನು ಬರೆಯುತ್ತಾನೆ. ಮರಳುವ ವಿಂಡೋವನ್ನು ಹೆಸರಿಸುವುದರಿಂದ ವಿಷಯ ನಿಯಮ ಪೂರೈಸಲ್ಪಡುತ್ತದೆ. ಈ ಲೇಖಕನ ಪ್ರತಿಯೊಂದು ಉದಾಹರಣೆಯೂ ಈಗ ಒಂದೇ ಕ್ಷಮೆಯೊಂದಿಗೆ ಪ್ರಾರಂಭವಾಗುತ್ತದೆ, ಮತ್ತು ಮಾದರಿ ಆ ಆರಂಭವನ್ನು ನಕಲಿಸುತ್ತದೆ.

Stronger approach ಎರಡು ಸಾಲುಗಳು, ಹಿಂದಿಯಲ್ಲಿ ಏಕೆಂದರೆ ಗ್ರಾಹಕರು ಹಿಂದಿಯಲ್ಲಿ ಬರೆದಿದ್ದಾರೆ, ಹದಿನಾಲ್ಕು ದಿನಗಳ ವಿಂಡೋವನ್ನು ಹೆಸರಿಸುವುದು. ಕ್ಷಮೆಯಿಲ್ಲ, ಏಕೆಂದರೆ ಸೂಚನೆ ಅದನ್ನು ಕೇಳಲಿಲ್ಲ.

Why the stronger approach works ಎರಡೂ ಉತ್ತರಗಳು ವಿಷಯ ನಿಯಮವನ್ನು ಅನುಸರಿಸುತ್ತವೆ. ದುರ್ಬಲ ಉತ್ತರವು ಬೇರೆ ಎರಡು ವಿಷಯಗಳನ್ನು ಕಲಿಸುತ್ತದೆ, ಯಾರೂ ಕೇಳದಿದ್ದವು: ಇಂಗ್ಲಿಷ್‌ನಲ್ಲಿ ಉತ್ತರಿಸುವುದು ಮತ್ತು ಕ್ಷಮೆಯೊಂದಿಗೆ ಪ್ರಾರಂಭಿಸುವುದು.

Try a changed situation ಈ ಉದಾಹರಣೆ ಈಗ ಕುಟುಂಬಕ್ಕೆ ಕುಡಿಯುವ ನೀರನ್ನು ಹೇಗೆ ಸಂಗ್ರಹಿಸಬೇಕು ಎಂದು ಹೇಳುವ ಮಾತಿನ ಲಿಪಿಯಾಗಿದೆ. ಅದರಲ್ಲಿ ಏನು ಇರಬೇಕು?

Make something yourself ಕಡಿಮೆ ನಿಯಮಿತ ಸೂಚನೆಗೆ ಒಂದು ಕೆಲಸ ಮಾಡಿದ ಉದಾಹರಣೆ ಬರೆಯಿರಿ. ನಂತರ ಅದು ಏನು ಕಲಿಸುತ್ತದೆ ಎಂಬುದನ್ನು ಪಟ್ಟಿ ಮಾಡಿ.

Read the primary or official source: OpenAI InstructGPT