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

Learn
See
Try
Make

नमूना परीक्षणको तयारी गर्नुहोस्

What this lesson is about

धेरै नमूना परीक्षणहरूले तपाईंले लेखिएको निर्देशन पालना गर्नुभयो कि नगर्नुभयो मापन गर्छन्, तपाईं कति चतुर हुनुहुन्छ भनेर होइन।

एक प्रवेश परीक्षा तपाईंलाई दस उत्तरहरू क्रमबद्ध गर्न भन्छ, प्रत्येक मुनि एउटा कारणको लाइन लेख्नुपर्छ। तपाईं यसलाई कसरी भर्नुहुन्छ?

Why this matters

InstructGPT टोलीले समीक्षकहरूलाई छान्न एक छनोट परीक्षण गर्‍यो र त्यसपछि सहमति मापन गर्‍यो। तालिम बाहिर राखिएका समीक्षकहरूले ७७% समय एकअर्कासँग सहमति जनाए। मापन तपाईंले पास गरेको दिनमा रोकिँदैन। पहिले नै उत्तर निश्चित भएका वस्तुहरू तलब पाउने ब्याच भित्र बिना चिन्हका बस्छन्, साधारण ध्यान जाँचहरूका छेउमा। तपाईंको स्कोरले कतार खुला राख्छ।

लेखिएको निर्देशन पढेर त्यसलाई ठीक त्यस्तै पालना गरेर नमूना परीक्षणको तयारी गर्नुहोस्।

नमूना परीक्षणले मापन गर्छ कि तपाईंले लेखिएको निर्देशन पालना गर्नुभयो कि नगर्नुभयो।
मान्छेहरू त्यहीँ हार्छन् जहाँ उनीहरूले असहमत भएको निर्देशन छोड्छन्।
निश्चित भएका वस्तुहरू ब्याचमा बिना चिन्हका बस्छन्, र तिनीहरूमा कम स्कोरले कतार रोक्छ।

Task

दस वटा क्रमहरूको नमूना परीक्षण, प्रत्येक मुनि एक पंक्तिमा कारण लेखिएको, र त्यसले खोल्ने तलब पाउने ब्याच।

Weak approach प्रत्येक मुनि एउटा अनुच्छेद लेख्नु, बराबरी नियम छोड्नु किनभने त्यो गलत जस्तो लाग्यो। अनि जब सन्देश आयो कि सहमति घटेको छ, त्यो हप्ता दुई गुणा छिटो काम गर्नु।

Stronger approach प्रत्येक मुनि ठीक जस्तो मागिएको छ, एक पंक्ति लेख्नु। जहाँ बराबरी नियम गलत जस्तो लागे पनि लागू गर्नु, असहमति नोट बक्समा राख्नु। जब सन्देश आयो कि कतार रोकिएको छ, अरू केही नछोइकन दिशानिर्देश र निश्चित केसहरू फेरि पढ्नु, र असफल वस्तुहरू नम्बरले माग्नु।

Why the stronger approach works परीक्षणले सबैभन्दा राम्रो निर्णय खोजिरहेको छैन। यो त्यस्तो व्यक्ति खोजिरहेको छ जसले लेखिएको दिशानिर्देशलाई त्यही अनुसार पालना गर्छ, जसमा कसैले हेरेको लेखिएको हुँदैन।

Try a changed situation तपाईंले परीक्षण पास गर्नुभयो र भुक्तानी भएको ब्याच सुरु भइसकेको छ। आधा बाटोमा एउटा निर्देशन अझै गलत लाग्छ। बाँकी वस्तुहरूसँग के गर्नुहुन्छ?

Make something yourself आफ्नो समय सीमा भित्र एउटा अभ्यास परीक्षण गर्नुहोस्। जहाँ जहाँ तपाईंले लेखिएको दिशानिर्देशबाट हट्न मन लागेको थियो, त्यहाँ नोट लेख्नुहोस् र तपाईंले के गर्नुभयो। यदि तपाईंको स्कोर रोकियो भने फेरि हेर्न चाहने वस्तुहरूको नाम लेख्नुहोस्।

Read the primary or official source: Ouyang et al., InstructGPT (arXiv)