تُهند نشاناں کتھ چھُند

What this lesson is about

اپنے سکرین ہند رتنگ بیچ ہند پیچھے سکھن چلن تک پیروی کرو، تہ اوہ راہ منز پاس کرن والے چیکس پتا کرو۔

تُہند جمعہ ہند دن دو سو سطراں مکمل کر کے بھیج دت۔ تُہند کزن پچھان چھ کہ کیہ اوہی شام ماڈل بدل ون؟

Why this matters

اک شائع شدہ اسسٹنٹ رن ایہ چکر صاف لکھے چھ۔ بیچس ملائے ون، اک حصہ الگ رکھیا ون، ماڈل سکھایا ون، تہ نون بیچس بدلید ماڈل ہند اوپر آون۔ دو چیزس فیصلہ کرن کہ رن بعد منز یقین کیتھ چھ۔ اک الگ رکھیا گیا حصہ — اوہ اشیاء جنہ ماڈل کدھی سکھن ہند نئیں — مرمت ہند دوران پڑھن توں بچنا چاہید۔ تہ ہر بیچ ہند نال لکھیا ہونا چاہید کہ کنہ نشاناں لگاؤ تہ کنہ وقت۔

اپنے رتنگ بیچ ہند اک پیچھے سکرین ہند نال سکھن چلن تک پیروی کرو، تہ راہ منز چیکس نالا ناں دسو۔

تُہند بیچ ہور بیچس نال ملایا ون تہ پھیر بٹیا ون: زیادہ تر رن ہند اوپر، کچھ الگ رکھیا ون۔
جیہ حصہ الگ رکھیا ون اوہ خرچ تھی ون جد کوئی اوہند غلطیاں پڑھن مرمت کرن لئی۔
لکھو کنہ نشاناں لگاؤ تہ کنہ وقت، کیوں کہ بنا ناں ہند بیچ بعد منز چیک نئیں تھی سکد۔

Task

اک ٹیم پچھان چھ کہ پچھلے مہینے ہند بارہ سو نشاناں لگے جوڑے نون ماڈل ہند ٹیسٹ توں پہلیں کتھ کتھ گئے۔

Weak approach کہند کہ اوہ سب سکھن رن ہند اوپر گئے، تہ نون ماڈل بہتر جواب دیند، اسلئے نشاناں لگانا کامیاب ہویا۔ نہ بیچ دسن، نہ گنتی، نہ تاریخ۔

Stronger approach اوہ پیچھا کرن: ہزار رن ہند اوپر، دو سو الگ رکھے گئے۔ اوہ دو سو منز دو مرمت دوران پڑھے گئے، اسلئے رپورٹ وچ ایک سو اٹھانوے لکھی ون۔

Why the stronger approach works کمزور پیچھا اوہتھ روک تھ کہ ماڈل بہتر لگدا۔ مضبوط پیچھا دسن کہ کیہ الگ رکھیا گیا تہ کیہ خرچ ہویا۔

Try a changed situation اک ساتھی ادارہ تُہند الگ رکھے گئے حصہ ہند اک گنتی مانگد۔ اوہند چھ سوال ہدایات ہند مرمت دوران پڑھے گئے۔

Make something yourself اپنے اک بیچ ہند راہ کھینچو۔ کنہ نشاناں لگاؤ، کیہ سکھایا گیا، کیہ الگ رکھیا گیا، تہ کیہ خرچ ہویا۔

Read the primary or official source: Bai et al., Training a Helpful and Harmless Assistant with RLHF (arXiv)