گفتگو ژ چھان بین کرن، نہ کہ صرف اک جواب

What this lesson is about

اک جواب ژ چھان بین کرن ژس منز گفتگو ژس پہلے طے ہند گژھ۔ صارف ژ حد بندیاں، اُنہ ژ اصلاحات، تہ ژس ژ زبان ژ انتخاب۔

پہلے موڑ منز گاہک نے ہندی مانگی۔ چوتھ جواب روان انگریزی منز چھ صحیح حقائق۔ تُہند چھ کتھ کتھ نمبر دینا؟

Why this matters

اک جواب ژ چھان بین گفتگو ژس اوہ بات چھپ چھپ ژ چھوڑن ژس صارف نے تین موڑ پہلے مانگی۔

ہر جواب ژ چھان بین کرن ژس پہلے طے ہند حد بندیاں، اصلاحات تہ حقائق ژس مطابق۔

اک جواب ژ چھان بین گفتگو ژس اوہ بات چھپ چھپ ژ چھوڑن ژس صارف نے تین موڑ پہلے مانگی۔

ایک بار دی گئی ہدایت تب تک چلتی ہے جب تک صارف اسے نہ بدلے۔
ہر جواب ژ اکیلے نہ، بلکہ پہلے موڑ ژس ساتھ چھان بین کرن۔
جہاں بات چیت پہلی وار ٹُٹی، اوہ موڑ نشان زد کرو، نہ آخری۔

Task

ایک چار موڑ کی بات چیت ایک وظیفہ فارم کے بارے میں۔ پہلے موڑ میں صارف نے ہندی مانگی۔ تیسرے موڑ میں اُس نے آخری تاریخ درست کی، اور معاون نے اسے قبول کیا۔

Weak approach چوتھا موڑ کھولتا ہے، اپنے حقائق نوٹس سے ملاتا ہے، صحیح پاتا ہے، اور منظور کر دیتا ہے۔ پہلا موڑ تین سکرین اوپر ہے اور وہاں دوبارہ نہیں جاتا۔

Stronger approach پہلے سے چوتھے موڑ تک ترتیب سے پڑھتا ہے اور ہر موڑ کے لیے لکھتا ہے کہ کیا آگے لے جانا تھا۔ چوتھا موڑ درست کی ہوئی تاریخ دہراتا ہے، جو صحیح ہے، اور انگریزی میں جواب دیتا ہے، جو پہلے موڑ نے منع کیا تھا۔ چوتھے موڑ کو وقفہ نشان زد کرتا ہے اور پہلے موڑ کی وہ لائن نقل کرتا ہے۔

Why the stronger approach works دونوں جائزوں میں چوتھے موڑ کے حقائق درست تھے۔ جو ہدایت چھوٹ گئی وہ تین سکرین اوپر تھی، اور صرف وہ جائزہ لینے والا جس نے پہلے موڑ سے پڑھا تھا اسے نظر آئی۔

Try a changed situation اب تم معاون ژ اوزار قدم چھان بین کرن، نہ کہ گفتگو۔ کٲن اصول پھر بھی لاگو؟

Make something yourself اپنے معاون ژ ساتھ چار موڑ ژ بات چیت لو۔ ہر موڑ ژس لٲگ اک بات لکھ ژس اوہ پہلے موڑ ژس آگے لے جانا چھ، تہ بتا کہ اوہ لے گیا یا نہ۔

Read the primary or official source: Anthropic HH-RLHF