All learning paths Learn See Try Make നിങ്ങളും മറ്റുള്ളവരും ഒരുപോലെ തുടരുക What this lesson is about ഒരു നീണ്ട ബാച്ചിൽ ഒരേ വസ്തു എങ്ങനെ മാറുന്നു എന്ന് കാണുക. മാറ്റം ഡാറ്റയിലേക്ക് എത്തുന്നതിന് മുമ്പ് നിങ്ങളെ തിരികെ പിടിക്കുക.
ഒരു നീണ്ട ബാച്ചിന്റെ അവസാന ദിവസം നിങ്ങൾ ആരംഭത്തിൽ അടയാളപ്പെടുത്തിയ ഒരു ഇനം വീണ്ടും തുറക്കുന്നു. ഇപ്പോൾ നിങ്ങൾ അത് വ്യത്യസ്തമായി അടയാളപ്പെടുത്തും. ഇനി എന്ത് ചെയ്യണം?
A രണ്ടും അതുപോലെ തന്നെ ഇരിക്കട്ടെ, ഒരു ഇനം കൊണ്ട് മുഴുവൻ ബാച്ച് മാറാൻ പറ്റില്ല. B ഒരേ വസ്തുവിന് തിങ്കളാഴ്ചയും വെള്ളിയാഴ്ചയും ഒരേ ലേബൽ ലഭിക്കും. C മടങ്ങി പോയി മുമ്പത്തെ എല്ലാ ഇനങ്ങളും ഇപ്പോഴത്തെ വായനയുമായി പൊരുത്തപ്പെടുത്തുക.
Check my recall Why this matters ഒരേ ഇൻപുട്ട് ആദ്യത്തെയും അവസാനത്തെയും ദിവസം ഒരേ ലേബൽ ലഭിക്കണം. മാറ്റം നിശബ്ദമാണ്, അതിനാൽ അത് ഉറപ്പുകൾ വഴി പിടിക്കപ്പെടുന്നു, ശ്രദ്ധയോടെ ചെയ്യുന്നതായി കരുതിയാൽ അല്ല.
നീണ്ട ബാച്ചിൽ നിങ്ങളുടെ സ്വന്തം മാറ്റം ശ്രദ്ധിച്ച് ഡാറ്റയിലേക്ക് എത്തുന്നതിന് മുമ്പ് വീണ്ടും ഉറപ്പിക്കുക.
ഒരേ ഇൻപുട്ട് ആദ്യത്തെയും അവസാനത്തെയും ദിവസം ഒരേ ലേബൽ ലഭിക്കണം. മാറ്റം നിശബ്ദമാണ്, അതിനാൽ അത് ഉറപ്പുകൾ വഴി പിടിക്കപ്പെടുന്നു, ശ്രദ്ധയോടെ ചെയ്യുന്നതായി കരുതിയാൽ അല്ല.
ഒരേ വസ്തുവിന് തിങ്കളാഴ്ചയും വെള്ളിയാഴ്ചയും ഒരേ ലേബൽ ലഭിക്കും. ഓരോ സെഷനിലും നിങ്ങളുടെ സ്ഥിരം ഉദാഹരണങ്ങൾ വീണ്ടും വായിക്കുക, ആദ്യദിവസം മാത്രം അല്ല. പഴയ തീരുമാനങ്ങൾ മാറ്റുമ്പോൾ എന്ത് മാറ്റി, എന്തുകൊണ്ടെന്ന് രേഖപ്പെടുത്തുക. Task നിങ്ങളും മറ്റൊരു റിവ്യൂവറും ഒരേ നാൽപത് ഉത്തരങ്ങൾ പൂർത്തിയെന്ന് അല്ലെങ്കിൽ അപൂർണ്ണമാണെന്ന് അടയാളപ്പെടുത്തി. ഒരു നിശ്ചിത വസ്തുതകളുടെ പട്ടിക അത് തീരുമാനിക്കുന്നു.
Weak approach നിങ്ങളും അവൻമാരും ഒത്തുപോയത് എത്രത്തോളം എന്ന് എണ്ണുന്നു: നാൽപതിൽ മുപ്പത്തിരണ്ട്. ബാച്ചിനൊപ്പം സമ്മതിയുടെ അളവായി നൂറിൽ എൺപത് അയയ്ക്കുന്നു. നിങ്ങൾ രണ്ടുപേരും എത്രത്തവണ പൂർത്തിയെന്ന് പറഞ്ഞുവെന്ന് ഒരിക്കലും നോക്കാറില്ല.
Stronger approach റിപ്പോർട്ട് ചെയ്യുന്നതിന് മുമ്പ് സാധ്യത ഒഴിവാക്കുന്നു. നിങ്ങൾ നാൽപതിൽ മുപ്പത്തിരണ്ട് ഒത്തുപോയി, അത് 0.80 ആണ്. നിങ്ങൾ രണ്ടുപേരും 32 തവണ പൂർത്തിയെന്ന് അടയാളപ്പെടുത്തി. അതിനാൽ മാത്രം സാധ്യത 0.8 × 0.8 കൂടാതെ 0.2 × 0.2 ആണ്, അത് 0.68 ആകുന്നു. കോഹെന്റെ കപ്പാ 0.80 - 0.68, 1 - 0.68 എന്നതിനുള്ള അനുപാതം: 0.38 ആണ്. 0.38, 40 എണ്ണം, നിങ്ങൾ രണ്ടുപേരും ഉപയോഗിച്ച നിശ്ചിത ഉദാഹരണങ്ങൾ അയയ്ക്കുന്നു.
Why the stronger approach works നൂറിൽ എൺപത് എന്നത് ഉറപ്പുള്ളതുപോലെ തോന്നുന്നു. നിങ്ങൾ രണ്ടുപേരും അഞ്ചിൽ നാല് പൂർത്തിയെന്ന് പറഞ്ഞ ബാച്ചിൽ, സാധ്യത കൂടുതലായി അത് വാങ്ങുന്നു. ബാക്കിയുള്ളത് 0.38 ആണ്.
Try a changed situation ഇപ്പോൾ നിങ്ങൾ മൂന്ന് വൈകുന്നേരങ്ങളിൽ സ്കൂൾ ഉത്തരപുസ്തകങ്ങൾ പരിശോധിക്കുന്നു. ഏത് നിയമം ഇപ്പോഴും ബാധകമാണ്?
Make something yourself നിങ്ങൾ പലപ്പോഴും ചെയ്യുന്ന ഒരു ജോലിക്ക് മൂന്ന് സ്ഥിരം ഉദാഹരണങ്ങൾ എഴുതുക: ഒരു വ്യക്തമായ പാസ്സ്, ഒരു വ്യക്തമായ ഫെയിൽ, ഒരു അതിരുവഴി കേസ് നിങ്ങൾ തീരുമാനിച്ച വായനയോടെ.
Read the primary or official source: Bai et al., Training a Helpful and Harmless Assistant (arXiv)