Skip to lesson

യന്ത്രം വിവർത്തനം ചെയ്തതാണ്. ഇംഗ്ലീഷ്, ഹിന്ദി പരിശോധിച്ച പതിപ്പുകളാണ്.Englishहिन्दी

  1. Learn
  2. See
  3. Try
  4. Make

ഗോൾഡ് ഇനങ്ങൾ, നിങ്ങളുടെ ക്യൂ എന്തുകൊണ്ട് നിർത്തുന്നു

What this lesson is about

നിങ്ങളുടെ ബാച്ചിലെ ചില ഇനങ്ങൾക്ക് മുമ്പേ തീരുമാനിച്ച ഉത്തരം ഉണ്ട്. അവയുമായി നിങ്ങൾ എങ്ങനെ ഒത്തുപോകുന്നു എന്നതാണ് ജോലി തുടരുമോ എന്നതിനെ നിർണ്ണയിക്കുന്നത്.

ഇന്നത്തെ 40 ജോലികളിൽ 6 ഇനങ്ങൾ ടീം മുമ്പേ തീരുമാനിച്ചവയാണ്. ആ 6 ഏതാണ് എന്ന് ആരും പറയാറില്ല. എന്ത് മാറും?

Why this matters

പ്രോജക്റ്റുകൾ മറഞ്ഞ ഇനങ്ങൾ ഉൾക്കൊള്ളുന്നു, അവയുടെ ഉത്തരം അവർ മുമ്പേ നിശ്ചയിച്ചിരിക്കുന്നു, അവയിൽ നിങ്ങൾ അളക്കപ്പെടുന്നു. അവ ഏതാണ് എന്ന് പറയാറില്ല. ഒരു പ്രസിദ്ധീകരിച്ച പ്രോജക്റ്റ് അതുപോലെ തന്നെ അവന്റെ റിവ്യൂവേഴ്സിനെ അളക്കി. പരിശീലനത്തിന് പുറത്തുള്ളവർ 100-ൽ ഏകദേശം 77 തവണ ഒത്തുപോയി. 100-ൽ 100 തവണ ആരും ഒത്തുപോകാറില്ല, അതിനായി യാതൊരു പരിധിയും ആവശ്യപ്പെടുന്നില്ല.

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