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

Learn
See
Try
Make

अलग राखिएको सेटलाई अलगै राख्नुहोस्

What this lesson is about

जब परीक्षण नतिजा प्रणाली सुधार्न पहिले नै प्रयोग भइसकेको छ भनेर थाहा पाउनुहोस्। त्यसपछि ईमान्दारीसाथ अलग राखिएको सेट पुनर्निर्माण गर्नुहोस्।

तपाईंको टोलीले पचास प्रश्न अलग राख्यो। तपाईंले ती बाह्र प्रश्नहरू जुन असफल भए पढ्नुभयो र निर्देशनहरू परिवर्तन गर्नुभयो। कुन स्कोर रिपोर्ट गर्नुहुन्छ?

Why this matters

अलग राखिएको सेट — जसमा प्रणाली कहिल्यै निर्माण गरिएको थिएन — छिट्टै खर्च हुन्छ। यो पहिलो पटक कोही यसको असफलता पढेर प्रणाली सम्पादन गर्दा खर्च हुन्छ।

कुन मूल्याङ्कन वस्तुहरू अझै प्रमाण बोकेको छ भनेर बताउनुहोस्, र सुधारमा प्रयोग भइसकेपछि सेट पुनर्निर्माण गर्नुहोस्।

प्रणाली सुधार्न प्रयोग गरिएको वस्तु त्यसको प्रमाण रहन छोड्छ।
हरेक वस्तु कुन काममा र कहिले प्रयोग भयो भनेर रेकर्ड गर्नुहोस्।
अर्को चरण अघि अलग राखिएको सेट पुनः भर्नुहोस्; पुनः प्रयोग नगर्नुहोस्।

Task

पचास अलग राखिएका प्रश्नहरू। ती बारह असफलताहरू पढेर निर्देशनहरू परिवर्तन गरियो।

Weak approach जाँच गर्छ कि पचास प्रश्नमध्ये कुनै पनि सम्पादन गरिएको छैन, र कुनै पनि गरिएको छैन। सबै पचासको स्कोर रिपोर्ट गर्छ र अझै पनि सेटलाई अलग राखिएको भन्छ। ती मध्ये बाह्र प्रश्नहरू निर्देशनहरू परिवर्तन हुँदै गर्दा पढिएका थिए, त्यसैले ती बाह्रले अहिले मर्मतलाई मापन गर्छन्।

Stronger approach नछोएका ३८ वस्तुहरूलाई अलग राखिएको स्कोरको रूपमा रिपोर्ट गर्छ। ती बारहलाई निर्माण वस्तु भनेर चिन्ह लगाउँछ र नयाँ वस्तुहरू सङ्कलन गर्छ।

Why the stronger approach works साँचो संख्या सानो हुन्छ र अर्थ राख्छ। ठूलो संख्या टोलीका आफ्नै सुधार मापन गर्छ।

Try a changed situation एउटा विद्यालय अहिले मोडेल होइन, नयाँ सिकाउने तरिका मूल्याङ्कन गर्दैछ। कुन नियम अझै लागू हुन्छ?

Make something yourself तपाईंले बारम्बार गर्ने कुनै पनि जाँच लिनुहोस्, जस्तै अभ्यास परीक्षा वा मासिक रिपोर्ट समीक्षा। कुन वस्तुहरू पहिले नै सुधारमा प्रयोग भइसकेका छन् लेख्नुहोस्। त्यसपछि कसरी सफा सेट सङ्कलन गर्ने भनेर लेख्नुहोस्।

Read the primary or official source: Jain et al., LiveCodeBench: contamination-free evaluation for code (arXiv)