യന്ത്രം വിവർത്തനം ചെയ്തതാണ്. ഇംഗ്ലീഷ്, ഹിന്ദി പരിശോധിച്ച പതിപ്പുകളാണ്.English हिन्दी

Learn
See
Try
Make

അവസാനമല്ല, ഘട്ടങ്ങൾ പരിശോധിക്കുക

What this lesson is about

തെറ്റായ ഘട്ടത്തിലൂടെ കിട്ടിയ ശരിയായ ഉത്തരം അടുത്ത തവണ തെറ്റായിരിക്കും. ഫലം അല്ല, ഘട്ടം അടയാളപ്പെടുത്തുക.

ഒരു ഏജന്റിന്റെ ട്രെയിൻ ഫെയർ റൺ റെയിൽവേ സൈറ്റ് കാണിക്കുന്ന അക്കത്തിൽ അവസാനിക്കുന്നു, പക്ഷേ മൂന്നാം ഘട്ടം 2024 ടേബിൾ തുറന്നു. നിങ്ങൾ എന്ത് ഫയൽ ചെയ്യും?

Why this matters

തെറ്റായ ഘട്ടത്തിലൂടെ കിട്ടിയ ശരിയായ ഉത്തരം ഭാഗ്യഫലമാണ്, അത് റൺസിന്റെ ക്യൂവിൽ ആവർത്തിക്കില്ല. Hugging Face കോഴ്സ് ഓരോ റൺ അതിന്റെ ഘട്ടങ്ങളും പിശകുകളുടെ ട്രേസും നോക്കിയാണ് വിലയിരുത്തേണ്ടതെന്ന് പഠിപ്പിക്കുന്നു. ഇതാണ് ഭാഗ്യഫലമായ പാസ്സിനെ ആരെങ്കിലും പരിഹരിക്കാവുന്ന ബഗ്ഗായി മാറ്റുന്നത്.

ഒരു റൺ അതിന്റെ ഘട്ടങ്ങൾ പ്രകാരം വിലയിരുത്തുക, അവസാന ഉത്തരം അല്ല, ആദ്യ തെറ്റായ ഘട്ടം രേഖപ്പെടുത്തുക.

തെറ്റായ ഘട്ടത്തിലൂടെ കിട്ടിയ ശരിയായ ഉത്തരം പരാജയമാണ്, പാസ് അല്ല.
ഓരോ ഘട്ടവും അത് ചെയ്തത് എന്ന് അവകാശപ്പെട്ടതിനെതിരെ പരിശോധിക്കുക, അവസാന ഉത്തരം അടിസ്ഥാനമാക്കാതെ.
ആദ്യ തെറ്റായ ഘട്ടം അടയാളപ്പെടുത്തുക; അതിന് ശേഷം സംഭവിക്കുന്നതെല്ലാം അതിന്റെ ഫലമാണ്.

Task

അവസാന ഉത്തരം ശരിയായ ട്രെയിൻ ഫെയർ ഏജന്റ് റൺ പരിശോധിക്കുക.

Weak approach റെയിൽവേ സൈറ്റ് തുറന്ന് ഏജന്റിന്റെ ഉത്തരം ഇന്ന് ഉള്ള ഫെയറുമായി താരതമ്യം ചെയ്യുന്നു. അവ രണ്ടും തുല്യമാണ്, അതുകൊണ്ട് റൺ പാസായി അടയാളപ്പെടുത്തുന്നു. ആ ഉത്തരത്തിന് പിന്നിലെ ആറ് ഘട്ടങ്ങൾ ഒരിക്കലും തുറക്കാറില്ല.

Stronger approach മൂന്നാം ഘട്ടം ഒരു പിഴവായി രേഖപ്പെടുത്തുന്നു: ഈ വർഷം പകരം കഴിഞ്ഞ വർഷത്തെ ഫെയർ ലിസ്റ്റ് തുറന്നിരുന്നു. ഉത്തരം പൊരുത്തപ്പെട്ടത് ഭാഗ്യമായിരുന്നു, അത് ആവർത്തിക്കില്ല എന്നും ചേർക്കുന്നു.

Why the stronger approach works ദുർബല പരിശോധന അവസാനത്തെ ഫലം വിലയിരുത്തി. ശക്തമായത് ഓരോ ഘട്ടവും അവകാശപ്പെട്ടതിനെതിരെ പരിശോധിച്ചു.

Try a changed situation നിങ്ങൾക്ക് ഏജന്റിന്റെ ഘട്ട ലോഗ് മാത്രമാണ് ലഭിച്ചത്. അവസാന ഉത്തരം നീക്കം ചെയ്തിട്ടുണ്ട്. നിങ്ങൾക്ക് റൺ വിലയിരുത്താനാകുമോ?

Make something yourself ഒരു ഏജന്റ് റൺ എടുത്ത് ഘട്ടം ഘട്ടമായി പരിശോധിക്കുക. ആദ്യ തെറ്റായ ഘട്ടം, അത് യഥാർത്ഥത്തിൽ എന്ത് ചെയ്തു, അതിന്റെ പകരം എന്ത് ഘട്ടം ഉണ്ടായിരിക്കണം എന്ന് പറയുക.

Read the primary or official source: Hugging Face Agents course · watching and judging agents