Skip to lesson

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

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

मूल्याङ्कनले चक्र पूरा गर्छ

What this lesson is about

रोकिएका कार्यहरू — जुन मोडेलले कहिल्यै प्रशिक्षण पाएको थिएन — र स्पष्ट मापदण्डहरू प्रयोग गर्नुहोस्। परिवर्तनले मद्दत गर्‍यो कि नयाँ असफलता ल्यायो भनी जाँच गर्नुहोस्।

तपाईंको टिमलाई परिवर्तन जाँच्न बीस प्रश्न चाहिन्छ, र गत महिनाको प्रशिक्षण फाइल स्क्रिनमा खुल्ला छ। के गर्नुहुन्छ?

Why this matters

एक परिवर्तनले एउटा स्कोर सुधार्दा पनि सहीता, सुरक्षा वा कुनै समूहको अनुभव बिग्रन सक्छ। त्यसैले रोकिएको सेटमा परीक्षण गर्नुहोस् — जुन कार्यमा मोडेल कहिल्यै बनाइएको थिएन। र पुनरावृत्ति खोज्नुहोस् — पहिले काम गर्ने कुरा अहिले असफल भएको छ कि छैन।

Read the primary or official source: OpenAI HealthBench