گولڈ اشیاء، تہ ژیہ تُہند ژور رُکِتھ

What this lesson is about

تُہند بیچ منز کٲچھ اشیاء ہند جواب پٲسٲن طے چھ۔ تُہند رائے ژیہ تہ فیصلہ کرن کہ کم آسن لگاتار آسن یا نہ۔

آج کے چالیس کم منز چھے اشیاء اوہ چھ جنہ ٹیم پہلے ہی طے کرچُکی۔ کوئی نہ بتان کہ کٲہ چھ۔ کیا بدلے گا؟

Why this matters

پروجیکٹ چھپے ہوئے اشیاء چھپان جنہ ژیہ جواب اوہ پہلے ہی طے کرچُکے۔ اوہ اشیاء منز تُہند ناپتھ۔ اوہ نہ بتان کہ کٲہ چھ۔ ایک شائع پروجیکٹ اپنے جائزہ لینے والوں ناپتھ۔ باہر رکھے گئے جائزہ لینے والے 100 منز 77 بار متفق تھے۔ کوئی 100 بار متفق نا ہون، تہ کوئی حد ایہہ نہ مانگتھ۔

پہچانٲ کہ پلیٹ فارم تُہند کم کرن منز کیا ناپتھ، تہ ژیہ کرن جب تُہند ژور رُکِتھ۔

گولڈ اشیاء اوہ چھ جنہ فیصلہ پروجیکٹ تُہند دیکھن سے پہلے ہی کرچُکا۔
رُکِتھ ژور رہنمائی بارے پیغام چھ، تُہند بارے فیصلہ نا۔
نواں بیچ چھُون سے پہلے پوچھٲ کہ کٲہ گولڈ اشیاء تُہند چھوٹِے۔

Task

منگل چھ تُہند کم رُکِتھ۔ پیغام چھ کہ چھپے ہوئے چیک کیتے اشیاء منز تُہند سکور 62/100 تھٲ۔ اس پروجیکٹ ہند حد 80 چھ۔

Weak approach اوہی شام نواں بیچ کھولٲ تہ دوگنا تیز کم کرٲ۔ آسان لگنے والے اشیاء پہلے کرٲ تہ شک والے بعد منز چھڈٲ۔

Stronger approach کم روکِتھ۔ اوہ آٹھ چیک کیتے اشیاء پوچھٲ جنہ غلط ہوٲ۔ آٹھ منز چھے اشیاء ایک ہی قسم کی۔ صارف پہلے مرحلے منز ہندی مانگی، جواب انگریزی آیو۔ اوہ رہنمائی ہند اوہ صفحہ دوبارہ پڑھٲ، تہ نواں بیچ کھولٲ۔

Why the stronger approach works رُکِتھ بعد تیز کم کرن سکور غلط سمت منز لے جاند۔ آٹھ منز چھے ناکامیاں ایک وجہ چھ، تہ اوہ رہنمائی ہند ایک صفحہ منز لکھی۔

Try a changed situation اس ہفتے دو آرڈر غلط مارک ہونے کے بعد ڈیلیوری ایپ تُہند کھاتہ جائزے منز رکھِتھ۔ پہلا قدم کیا کرٲ؟

Make something yourself ایک صفحہ لکھٲ کسی ناکام چیک بارے، کم منز یا ٹیسٹ منز۔ لکھٲ کہ کیا ناپتھ۔ پھر لکھٲ کہ تُہند کیا دوبارہ پڑھٲ، تہ اوہ ایک سوال جو تُہند بعد منز پٲچھٲ۔

Read the primary or official source: Ouyang et al., Training language models to follow instructions (arXiv)