Skip to lesson

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

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

तो उत्तर लिहा ज्यावर इतरांचे मूल्यमापन होते

What this lesson is about

कोणाच्याही उत्तरावर निर्णय न करता, संदर्भ उत्तर स्वतः लिहा. ते विचारलेल्या प्रकरणावर निर्णय देते, त्याचे टप्पे दाखवते, आणि जिथे नकार देणे योग्य आहे तिथे नकार देते.

तुम्ही एका दुकानदारासाठी सुवर्ण उत्तर लिहित आहात ज्याला विचारले गेले की कापलेले कापड परत येईल का. तुम्ही प्रथम काय लिहाल?

Why this matters

अनेक प्रकल्प आदर्श उत्तर स्वतः विकत घेतात, कोणाच्याही उत्तराचे मूल्यमापन नाही. मानवी अभिप्रायाने प्रशिक्षण दिलेल्या प्रकाशित कामात लोकांनी प्रथम हवे असलेले उत्तर लिहिले. मूल्यमापन नंतर आले. एक मऊ संदर्भ उत्तर त्यावर आधारित प्रत्येक मूल्यमापन मऊ करते.

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