दू टा मॉडल उत्तर के तुलना करू

What this lesson is about

रुब्रिक के उपयोग सँ नीक उत्तर चुनू। लंबाई, आत्मविश्वास या लेखन शैली सँ नहि चुनू।

एके प्रश्नक दूटा जवाब अहाँक स्क्रीन पर खुलल अछि, एकटा लंबा आ सजल। अहाँ केना निर्णय करब?

Why this matters

पसंदक डाटा मॉडल के सिखबैत अछि जे कोन उत्तर यूजर लेल नीक अछि। आत्मविश्वास, चमक-दमक आ लंबाई सुरक्षित तरीका नहि अछि। अहाँ रबरिक के आधार पर निर्णय करू — जे सूची कहैत अछि नीक उत्तर मे की होयबाक चाही। अहाँ एक मापदंड — एक नामित गुण — एक बेर मे लैत छी।

रुब्रिक के उपयोग सँ दू टा उत्तर मे सँ एक चुनू आ निर्णायक अंतर के नाम बताउ।

प्रत्येक उत्तर के एके मापदंड पर जाँच करू।
पहिल अंतर जे परिणाम बदलैत अछि, ओहि के खोजू, सभ छोट-छोट नहि।
जब प्रमाण बराबर हो तऽ बराबरी चुनू, आ जखन प्रमाण नहि हो तऽ निर्णय नहि कऽ सकैत छी चुनू।

Task

निर्देश अहाँ केँ चारटा मापदंडक संग एक नियम देत अछि: सुरक्षित, सही, निर्देशक पालन करैत, छोट। एक विद्यार्थी पुछैत अछि छात्रवृत्ति फॉर्म पठेबाक अंतिम तिथि की अछि।

Weak approach दू टा जवाब पढ़ि कऽ पहिलका चुनैत अछि, जे अपनत्वपूर्ण, लंबा आ घबरायल विद्यार्थी लेल लिखल अछि। ओकर तिथि कखनो जाँचल नहि जाइत अछि, आ ई केवल सितंबरक अंत कहैत अछि।

Stronger approach नियम केँ एक-एक पाँति भरैत अछि। सुरक्षित पर दुनू उत्तर पास अछि: कियो विद्यार्थी केँ किछु हानिकारक नहि कहैत अछि। सही पर पहिल उत्तर कोनो तिथि नहि दैत अछि, केवल सितंबरक अंत कहैत अछि। दोसर उत्तर 30 सितंबर 2026 दैत अछि आ ओ सूचना जतय सँ आयल अछि से बतबैत अछि। निर्णय ओतहि भऽ जाइत अछि, शैलीक पाँति पढ़बाक पहिने।

Why the stronger approach works एक समीक्षक लिखावटक तुलना केलक, दोसर नियम केँ क्रमसँ भरलक। दुनू उत्तर सुरक्षित पर पास छल। जे पहिल पाँति हुनका अलग केलक से एक गुम तिथि छल, आ ओकरा देखेबा लेल संकेत कएल जा सकैत अछि।

Try a changed situation अहाँ दू टा दुकानक एके मरम्मत लेल दू टा कोटेशन चुनि रहल छी, मॉडल जवाब नहि। निर्णय की सँ होयत?

Make something yourself दू वाक्य मे अपन कारण लिखू। पहिने नीक उत्तर बताउ, फेर ओहि एक मापदंड के नाम जे अहाँक निर्णय बनौलक।

Read the primary or official source: Hugging Face Alignment Course