Skip to lesson

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

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

तपाईंका लेबलहरू कहाँ जान्छन्

What this lesson is about

तपाईंको स्क्रिनबाट एउटा रेटिङ ब्याचलाई प्रशिक्षण रनसम्म पछ्याउनुहोस्, र बाटोमा पार गर्ने जाँचहरू पत्ता लगाउनुहोस्।

तपाईंले शुक्रबार २०० पङ्क्तिहरू पूरा गरेर पठाउनुभयो। तपाईंको कजिनले सोध्छ कि के मोडेल त्यो साँझ नै परिवर्तन हुन्छ?

Why this matters

प्रकाशित सहायक रनले यो चक्र स्पष्ट लेखेको छ। ब्याचहरू मिलाइन्छन्, केही अलग राखिन्छ, मोडेल प्रशिक्षण गरिन्छ, र नयाँ ब्याचहरू परिवर्तन भएको मोडेलमा आउँछन्। पछि रनमा विश्वास गर्ने दुई कुरा हुन्छन्। अलग राखिएको सेट सुधारको बेला नपढिनु पर्छ। र प्रत्येक ब्याचमा कसले र कहिले मार्क गर्‍यो लेखिनु पर्छ।

Read the primary or official source: Bai et al., Training a Helpful and Harmless Assistant with RLHF (arXiv)