Skip to lesson

मेसिन अनुवाद गरिएको। अंग्रेजी र हिन्दी समीक्षा गरिएका संस्करणहरू हुन्।Englishहिन्दी

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

गोल्ड वस्तुहरू, र तपाईंको पङ्क्ति किन रोकिन्छ

What this lesson is about

तपाईंको ब्याचका केही वस्तुहरूमा पहिले नै निश्चित उत्तर हुन्छ। तपाईं तीसँग कत्तिको सहमत हुनुहुन्छ भन्ने कुराले काम निरन्तर आउँछ कि आउँदैन निर्धारण गर्छ।

आजको ४० वस्तुहरू मध्ये ६ वटा ती हुन् जसमा टिमले पहिले नै निर्णय गरिसकेको छ। कुन ६ हुन् भन्ने कसैले बताउँदैन। अब के परिवर्तन हुन्छ?

Why this matters

परियोजनाहरूले केही वस्तुहरू लुकाउँछन् जसको उत्तर पहिले नै तय हुन्छ र तीमा तपाईंलाई मापन गर्छन्। कुन वस्तुहरू थिए भनेर बताउँदैनन्। एउटा प्रकाशित परियोजनाले आफ्ना समीक्षकहरूलाई यसरी मापन गर्‍यो। प्रशिक्षण बाहिरका समीक्षकहरू १०० मध्ये करिब ७७ पटक सहमत थिए। कोही पनि १०० मा १०० पटक सहमत हुँदैनन्, र कुनै सीमा त्यसो माग्दैन।

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