मशीनान अनुवाद केलेलो. इंग्लिश आनी हिंदी रिव्ह्यू केलेल्या आवृत्त्या आसा.English हिन्दी

Learn
See
Try
Make

नमूना टेस्टाक तयार व्हय

What this lesson is about

जास्तेर नमूना टेस्ट पाहता की तुमका लिहिलेल्या नियमाचें पालन केलें की नाय, कितें तुमचें हुशारपण कितें आसा ते नाय.

एक एंट्री टेस्ट तुमका दहा उत्तरांका रँक करपाचें म्हणता, आनी प्रत्येकाखालें एक ओळ कारण दयचें. तुम कशें भरप?

Why this matters

InstructGPT टीमन एक स्क्रीनिंग टेस्ट करून रिव्ह्यूअर्स निवडलें आनी तेंकां एकमेकांशी कितलें सहमत आसा हें मापलें. ट्रेनिंगच्या बाहेर ठेवलेले रिव्ह्यूअर्स 77% वेळा एकमेकांशी सहमत आसात. मापन तूं पास जाल्यार थांबत ना. जें आयटम्सचें उत्तर आधीच ठरलेलें असतात, ते पेड बॅचांत निशाण न ठेवून बसतात, सोप्या अटेंशन चेक्सच्या बाजूंत. तुझो त्यांच्यावरलें स्कोर हेंच क्यू उघडें ठेवतं.

नमूना टेस्टाक तयार व्हय, नियम वाचून तें बरोबर पाळून.

नमूना टेस्ट पाहता की तुमका लिहिलेल्या नियमाचें पालन केलें की नाय.
लोक तेंच चुकतात जेंव्हा ते असहमत असलेल्या सूचनाक सोडतात.
ठरलेले आयटम्स बॅचांत निशाण न ठेवून बसतात, आनी त्यांच्यावर कमी स्कोर आसा तर क्यू थांबतात.

Task

दहा रँकिंग्सचो एक सॅम्पल टेस्ट, जेंखाल्लें एक ओळ कारण आसा, आनी तें उघडपाक पेड बॅच.

Weak approach प्रत्येकाखालें एक परिच्छेद लिहिणे, आनी टायजचें नियम सोडून देणें कारण तो चुकीचें वाटलें. मग जेंव्हा मेसेज येता की सहमती कमी जाल्ली, तेंव्हा दुप्पट वेगान काम करप.

Stronger approach प्रत्येकाखालें फक्त एक ओळ, जशी मागितली तशी. टायजचें नियम तिकडेही वापरप जिथें तो चुकीचें वाटतलो, आनी नातांतर नोट्स बॉक्सांत टाकप. जेंव्हा मेसेज येता की क्यू थांबला, तेंव्हा अजून काही स्पर्श करप नाय. मार्गदर्शक वाचप आनी ठरलेले प्रकरण पुन्हा वाचप, आनी चुकलेले आयटम्स नंबरान विचारप.

Why the stronger approach works टेस्ट सर्वोत्तम निर्णय शोधत नाय. तो असा माणूस शोधत आसा जो लिहिलेल्या मार्गदर्शकानुसार त्या आयटमाकडे पाहतलो जें कोणानाही पाहिलें नाय.

Try a changed situation तुमी टेस्ट पास केलें आनी पैसेदार बॅच सुरू जालें. मधल्या वाटेवर एक सूचना अजूनही चुकीची वाटतली. उरलेल्यां आयटमांबरोबर काय कराल?

Make something yourself तुझ्या वेळेच्या मर्यादेत एक सराव टेस्ट कर. जिथें तूं लिहिलेल्या मार्गदर्शकापासून वेगळें वागपाक मन केलें, तिथें एक नोट लिह, आनी तूं काय केलें ते लिह. जर तुझो स्कोर थांबलो तर कोणते आयटम्स तूं पुन्हा पाहपाक मागशील ते नाव लिह.

Read the primary or official source: Ouyang et al., InstructGPT (arXiv)