Skip to lesson

യന്ത്രം വിവർത്തനം ചെയ്തതാണ്. ഇംഗ്ലീഷ്, ഹിന്ദി പരിശോധിച്ച പതിപ്പുകളാണ്.Englishहिन्दी

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

രണ്ടു മോഡൽ പ്രതികരണങ്ങൾ താരതമ്യം ചെയ്യുക

What this lesson is about

മികച്ച ഉത്തരം തിരഞ്ഞെടുക്കാൻ റൂബ്രിക് ഉപയോഗിക്കുക. നീളം, ആത്മവിശ്വാസം, എഴുത്ത് ശൈലി എന്നിവയെ അടിസ്ഥാനമാക്കി തിരഞ്ഞെടുക്കരുത്.

ഒരു ചോദ്യംക്കുള്ള രണ്ട് മറുപടികൾ നിങ്ങളുടെ സ്ക്രീനിൽ തുറന്നിരിക്കുന്നു, ഒന്ന് നീളം കൂടിയതും നന്നായി തയ്യാറാക്കിയതും. നിങ്ങൾ എങ്ങനെ തീരുമാനിക്കും?

Why this matters

പ്രിയത്വം ഡാറ്റ മോഡലുകൾക്ക് ഏത് ഉത്തരം ഉപയോക്താവിന് മികച്ചതാണെന്ന് പഠിപ്പിക്കുന്നു. ആത്മവിശ്വാസം, ഭംഗി, നീളം എന്നിവ സുരക്ഷിത മാർഗ്ഗങ്ങൾ അല്ല. നിങ്ങൾ റൂബ്രിക്കിനെതിരെ വിലയിരുത്തുന്നു — നല്ല ഉത്തരം എന്ത് വേണമെന്ന് പറയുന്ന ചെക്ക്ലിസ്റ്റ്. ഓരോ സമയം ഒരു മാനദണ്ഡം — ഒരു പേരിട്ട ഗുണം — മാത്രം എടുത്ത്.

Read the primary or official source: Hugging Face Alignment Course