انعام ماڈل کیا چھ

What this lesson is about

دیکھو چھ کیا بنان ہند مارک کیتھ جوڑیاں ہند: اک سکورر، ژیہ تہند آرڈر ہند اوپر ٹرین کیتھ، نہ کہ صحیح جواب ہند۔

تُہند آٹھ سو مارک کیتھ جوڑیاں ہند بیچ سوموار ہند روز اک لیبارٹری ژان۔ ساتھی پچھان کہ اوہس منز کیا بنان۔

Why this matters

اک شائع شدہ سمری رن منز یم ڈھانچہ ویکھان۔ مارک کیتھ جوڑیاں سکورر ٹرین کران، تہ ماڈل اوہ سکورر ہند خلاف بہتر کیتھ۔ سو تُہند جوڑی اوہ جواب نا چھ ژیہ ماڈل نقل کران۔ یم سکورر ہند اپنی تعلیم ہند اک لائن چھ، تہ ماڈل بعد منز اوہ سکورر خوش کرن ہند لئی دھکیل گژھ۔

بولو کہ انعام ماڈل کیا چھ، یم کن چیز ہند اوپر ٹرین کیتھ، تہ اک مارک کیتھ جوڑی کیا بنان۔

انعام ماڈل اک سکورر چھ ژیہ تُہند جوڑیاں ہند اوپر ٹرین کیتھ، نہ کہ صحیح جواب ہند۔
اک جوڑی صرف آرڈر سکھان: یم جواب اوہ جواب ہند اوپر چھ، یم درخواست ہند لئی۔
ماڈل بعد منز اوہ سکور ہند ودھان ہند لئی دھکیل گژھ، سو کمزور سکورر کمزور عادت سکھان۔

Task

صحت ہند جواب ہند آٹھ سو مارک کیتھ جوڑیاں ٹریننگ ہند لئی ژان۔ بولو کہ اک جوڑی کیا بنان۔

Weak approach کہند ہر چُنا ہوا جواب ماڈل ہند لئی اک سکھان مثال بنان۔ آٹھ سو جوڑیاں آٹھ سو مثالی جواب سمجھان ژیہ ماڈل نقل کران۔

Stronger approach کہند ہر جوڑی سکورر ہند لئی اک موازنہ بنان۔ سکورر سیکھان کہ یم جواب اوہ جواب ہند اوپر چھ۔ ماڈل بعد اوہ سکور ہند ودھان ہند لئی دھکیل گژھ۔

Why the stronger approach works کمزور سمجھ چُنا ہوا جواب اک مثالی جواب بنان نقل کرن ہند لئی۔ جوڑی منز آرڈر چھ، لفظ نا۔

Try a changed situation دکان ریویو ٹیم مراٹھی جوڑیاں مارک کران۔ اوہس سکورر ہن تقریباً ہر وار لمبے جواب ہند اوپر رکھان۔

Make something yourself ایہ ہفتہ تُہند ژیہ اک جوڑی مارک کیتھ، یم لو۔ لکھو کہ سکورر اوہس منز کیا سیکھان، تہ اک چیز ژیہ اوہس منز نا سیکھ سکد۔

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