Skip to lesson

मशीनने अनुवादित केले आहे. इंग्रजी आणि हिंदी ही पुनरावलोकित आवृत्त्या आहेत.Englishहिन्दी

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

गोल्ड आयटम्स, आणि तुमची कतार का थांबते

What this lesson is about

तुमच्या बॅचमधील काही आयटम्सना आधीच निश्चित उत्तर असते. तुम्ही त्यांच्याशी कसे सहमत होता यावर काम सुरू राहते की नाही हे ठरते.

आजच्या ४० कामांपैकी सहा आयटम्स टीमने आधीच ठरवले आहेत. कोणते ते कोणी सांगत नाही. काय बदलेल?

Why this matters

प्रोजेक्ट काही आयटम्स लपवतात ज्यांचे उत्तर आधीच निश्चित केलेले असते, आणि त्यावर तुम्हाला मोजतात. कोणते होते ते सांगितले जात नाही. एका प्रकाशित प्रोजेक्टने स्वतःच्या रिव्ह्युअर्सना अशाच प्रकारे मोजले. प्रशिक्षणाबाहेरचे रिव्ह्युअर्स १०० पैकी सुमारे ७७ वेळा सहमत होते. कोणीही १०० पैकी १०० वेळा सहमत होत नाही, आणि कोणतीही मर्यादा ते मागत नाही.

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