जुटा रहल लोकनि के नापू

What this lesson is about

दूटा जुटा रहल लोकनि के एके दस वस्तु दिअ, जतय ओ सभ फरक करैत अछि तकरा गनू, आ लोक सँ पहिने दिशानिर्देशक सुधार करू।

काल्हि सिखाओल दू लोक अपन पहिल दस-दस क्लिप दैत छथि, जे एके दस प्रश्न सँ अछि। आब की करब?

Why this matters

सिखल लोक सभो फरक पड़ैत छथि। एक प्रकाशित अध्ययन में एक प्रयोगशाला के अपन शोधकर्ता आ ओकर भुगतान कएल जाँचकर्ता सभ केँ एके तुलना देल गेल छल। ओ सभ लगभग 63% बेर सहमत छल। ई एक निर्देश पढ़निहार दू लोकक सामान्य स्थिति अछि। बैच में ई सुनाइत नहि अछि; ई तखन देखाइत अछि जखन दू लोक केँ एके वस्तु देल जाए आ गनल जाए।

दूटा जुटा रहल लोक केँ एक-दोसरक विरुद्ध नापू आ जे फरक देखाउत अछि तकरा सुधारू।

दूटा जुटा रहल लोक केँ एके दस वस्तु दिअ आ जतय फरक होइछ तकरा गनू।
असहमति केँ पहिने दिशानिर्देशक दोष मानू, आ लोकक दोष बाद में।
बैच सँ पहिने पुनः जाँच आ रोकबाक सीमा तय करू आ दुनू लिखू।

Task

गोरखपुरक दू नव जुटा रहल लोक एके दस भोजपुरी प्रश्न लऽ कऽ पहिल दिन पूरा करैत छथि।

Weak approach दूनू सेट स्वयं सुनि कऽ निर्णय करू जे दोसर जुटा रहल पहिल सँ कमजोर अछि। फोन पर कहल जाउ जे काल्हि छोट उत्तर पर ध्यान देत।

Stronger approach दस वस्तु एक संग राखि गनू: तीन पर फरक अछि। तीन में सँ दू एके दोष अछि: एक शब्दक उत्तर जे पर दुनू केँ फेर सँ पुछबाक चाही छल, मुदा दिशानिर्देशक में नहि छल। ओ पाँति दिशानिर्देशक में उदाहरण सहित जोड़ल जाएत अछि। तेसर वास्तविक चूक अछि आ क्लिप सहित ओकरा वापस पठाओल जाएत अछि।

Why the stronger approach works कमजोर नेता सही होयबाक संभावना अछि जे के कमजोर अछि। मुदा ओ तीन वस्तु गन नहि सकैत अछि, आ जे नियम सँ दू दोष भेल अछि ओ जसक तस रहि जाइत अछि।

Try a changed situation ओहि दू लोक आब सुनल बात लिखि रहल छथि, मुदा एक क्लिपक दुनू फाइल मेल नहि खाइत अछि। अहाँ की देखब?

Make something yourself दू लोक केँ अपन संग्रह सँ एके दस वस्तु दिअ। जतय फरक भेल से बताउ, आ जे फरक दिशानिर्देशक दोष छल से चिन्हित करू। जे पाँति अहाँ जोड़लहुँ से लिखू।

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