Skip to lesson

യന്ത്രം വിവർത്തനം ചെയ്തതാണ്. ഇംഗ്ലീഷ്, ഹിന്ദി പരിശോധിച്ച പതിപ്പുകളാണ്.Englishहिन्दी

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

മറ്റുള്ളവർ വിലയിരുത്തുന്ന ഉത്തരമാണ് എഴുതേണ്ടത്

What this lesson is about

മറ്റുള്ളവരുടെ ഉത്തരത്തെ വിലയിരുത്താതെ തന്നെ, ഉദ്ദേശിച്ച ഉത്തരമാണ് എഴുതേണ്ടത്: ചോദിച്ച പ്രശ്നം തീർക്കുന്ന, അതിന്റെ ഘട്ടങ്ങൾ കാണിക്കുന്ന, വേണ്ടിടത്ത് നിരസിക്കുന്ന ഉത്തരമാണ് ഇത്.

മുറിച്ച തുണി തിരികെ നൽകാമോ എന്ന് ചോദിച്ച കടക്കാരനായി സ്വർണ മറുപടി എഴുതുകയാണ് നിങ്ങൾ. ആദ്യം എന്ത് എഴുതും?

Why this matters

പല പ്രോജക്റ്റുകളും മറ്റുള്ളവരുടെ റേറ്റിംഗുകൾ വാങ്ങാതെ തന്നെ ഉദ്ദേശിച്ച ഉത്തരമാണ് നേരിട്ട് വാങ്ങുന്നത്. മനുഷ്യ പ്രതികരണത്തോടെ പരിശീലനത്തിൽ പ്രസിദ്ധീകരിച്ച പഠനങ്ങളിൽ ആദ്യം ആവശ്യമായ ഉത്തരമാണ് എഴുതിയത്. റേറ്റിംഗ് ഘട്ടം അതിന് ശേഷം വരുന്നു. മൃദുവായ ഉദ്ദേശിച്ച ഉത്തരമാണ് അതിൽ അടിസ്ഥാനമാക്കിയുള്ള എല്ലാ റേറ്റിംഗുകളും മൃദുവാക്കുന്നത്.

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