ओहि उत्तर लिखू जाहि सँ दोसर केँ मापल जाए

What this lesson is about

ओहि संदर्भ उत्तर केँ लिखू, दोसर के निर्णय नहि। ई पुछल गेल मामला केँ तय करैत अछि, अपन चरण देखबैत अछि, आ जतय मना करब उचित होयत तहिआ मना करैत अछि।

अहाँ एक दुकानदारक लेल आदर्श उत्तर लिखि रहल छी जे पुछल गेल अछि जे काटल कपड़ा वापस होयत कि नहि। पहिने की लिखब?

Why this matters

धेरै प्रोजेक्ट सभ दोसरक उत्तरक अंक नहि, बल्कि आदर्श उत्तर स्वयं किनैत अछि। मानव प्रतिक्रिया सँ प्रशिक्षण पर प्रकाशित काज मे लोक पहिने चाहल गेल उत्तर लिखैत छल। अंक देबाक चरण ओकर बाद अबैत छल। एक नरम संदर्भ उत्तर पर आधारित सभ अंक सेहो नरम भऽ जाइत अछि।

ओहि संदर्भ उत्तर केँ लिखू जाहि सँ सभ आगाँक अंक मापल जाए।

आदर्श उत्तर ओहि मामला केँ तय करैत अछि जे पुछल गेल अछि, नहि जे अहाँ चाहैत छी पुछल जाए।
प्रत्येक चरण देखाउ जे अंक देनिहार केँ जाँच करबाक अछि, संगहि ओहि हिसाब जे अहाँ मन मे करैत छी।
जतय साँच उत्तर 'नहि' अछि, ओतय आदर्श उत्तर 'नहि' कहैत अछि आ कोन कारण सँ, से सेहो बतबैत अछि।

Task

कपड़ा थोक व्यापारीक ग्राहक वापसीक बारे मे लिखैत अछि। ओ 2 सितंबर केँ चालीस मीटर किनने छल, आ छह मीटर ओकर नाप अनुसार काटल गेल छल। आब ओ आठ मीटर वापस करय चाहैत अछि।

Weak approach उत्तर दैत अछि जे बिना इस्तेमाल कएल माल पंद्रह दिन मे वापस होइत अछि आ बिल लयबाक कहैत अछि। दुकान अपन ग्राहकक देखभाल पर एक पाँति जोड़ैत अछि। काटल कपड़ा केर उल्लेख कतहु नहि।

Stronger approach कहैत अछि जे पंद्रह दिन 2 सितंबर सँ गिनल जाएत अछि, तें 17 सितंबर अंतिम दिन अछि। कहैत अछि जे छह मीटर काटल गेल कपड़ा वापस नहि होयत, आ कारण। फेर खुलल विकल्प बतबैत अछि: बिना कटल कपड़ा ओहि बिल पर बदली कएल जा सकैत अछि। अंत मे ग्राहक की लय आबय से लिखैत अछि।

Why the stronger approach works दूनू उत्तर सभ विनम्र अछि आ कोनो झूठ नहि कहैत अछि। एहि ग्राहकक मामला केवल एकटा उत्तर तय करैत अछि, आ अंक देनिहार ओहि पाँति केँ देखाब सकैत अछि जे निर्णय देलक।

Try a changed situation अहाँ जे आदर्श उत्तर आब लिखि रहल छी, ओ आठवीं कक्षा केर गणितक छूट पर प्रश्न अछि। ओकरा मे की जरूरी होयत?

Make something yourself अपने जानल-परिचित व्यवसाय मे ग्राहक जे सचमुच पुछैत छथि, ओहि मे सँ एक प्रश्न लिअ। ओकर लेल आदर्श उत्तर लिखू। फेर तीन पाँति लिखू जे अंक देनिहार केँ कतय अंक काटबाक चाही।

Read the primary or official source: Ouyang et al., Training language models to follow instructions (arXiv)