बातचीत के जवाब नहि, पूरा संवाद जाँचू

What this lesson is about

जवाब के ओहि बात सँ जाँच करू जे बातचीत मे पहिने सँ तय भऽ चुकल अछि। उपयोगकर्ता के सीमा, हुनकर सुधार आ जे भाषा हुनका द्वारा चुनल गेल अछि।

पहिलका टर्न में ग्राहक हिन्दी माँगलक। टर्न चार में धाराप्रवाह अंग्रेजी आ सही तथ्य छै। टर्न चार के केना स्कोर करब?

Why this matters

एकटा जवाब पर आधारित समीक्षा ओहि बातचीत के पास करि दैत अछि जे तीन मोड़ पहिने उपयोगकर्ता द्वारा माँग कएल गेल बात चुपचाप छोड़ि दैत अछि।

प्रत्येक जवाब के ओहि सीमा, सुधार आ तथ्य सँ जाँचू जे बातचीत मे पहिने सँ तय भऽ चुकल अछि।

एकटा स्थायी निर्देश तब तक लागू रहैत अछि जब तक उपयोगकर्ता ओकरा बदलि नहि दैत अछि।
प्रत्येक जवाब के अकेले नहि, पहिलका मोड़ सभक संग तुलना कऽ जाँचू।
ओहि मोड़ के चिन्हित करू जतय बातचीत पहिल बेर टूटल, अंतिम नहि।

Task

छात्रवृत्ति फॉर्म पर चार-चरणीय बातचीत। पहिल चरण में उपयोगकर्ता हिन्दी माँगलक। तेसर चरण में ओ अंतिम तारीख सुधारलक, आ सहायक ओकरा स्वीकार कएलक।

Weak approach चौठ चरण खोलैत अछि, ओकर तथ्य सूचना सँ मिलबैत अछि, सही पाबि कऽ पास कऽ दैत अछि। पहिल चरण तीन स्क्रीन ऊपर अछि आ ओतय फेर नहि गेल जाइत अछि।

Stronger approach पहिल सँ चौठ चरण तक क्रम सँ पढ़ैत अछि आ प्रत्येक चरण में की आगू लऽ जाए के छल लिखैत अछि। चौठ चरण सुधारल तारीख दोहरबैत अछि, जे सही अछि, आ अंग्रेजी में उत्तर दैत अछि, जे पहिल चरण मना कऽ चुकल छल। चौठ चरण के टूटन स्थान चिन्हित करैत अछि आ पहिल चरण के ओहि पंक्ति के उद्धृत करैत अछि।

Why the stronger approach works दूनू समीक्षा में चौठ चरण के तथ्य सही छल। जे निर्देश छूटल ओ तीन स्क्रीन ऊपर छल, आ ओहि केओ देखलक जे पहिल चरण सँ पढ़लक।

Try a changed situation अहाँ आब बातचीत नहि, बल्कि AI सहायक के टूल स्टेप्स के समीक्षा कऽ रहल छी। कोन नियम अबहियो लागू अछि?

Make something yourself AI सहायक संग अपन चार मोड़ के बातचीत लिअ। प्रत्येक मोड़ लेल ओहि बात के लिखू जे ओकरा पहिलका मोड़ सँ आगू बढ़ेबाक छल, आ कहू जे ओ पूरा भेल वा नहि।

Read the primary or official source: Anthropic HH-RLHF