ଅନ୍ତ ନୁହେଁ, ପଦକ୍ଷେପ ଯାଞ୍ଚ କରନ୍ତୁ

What this lesson is about

ଭୁଲ ପଦକ୍ଷେପ ଦ୍ୱାରା ପହଞ୍ଚିଥିବା ସଠିକ୍ ଉତ୍ତର ପରବର୍ତ୍ତୀଥରେ ଭୁଲ ହେବ। ପରିଣାମ ନୁହେଁ, ପଦକ୍ଷେପକୁ ଚିହ୍ନିତ କରନ୍ତୁ।

ଏକ ଏଜେଣ୍ଟଙ୍କର ଟ୍ରେନ୍-ଭଡ଼ା ଚାଲାଣ ରେଲୱେ ସାଇଟ୍ ଦେଖାଉଥିବା ଆକୃତିରେ ସମାପ୍ତ ହୁଏ, କିନ୍ତୁ ତୃତୀୟ ପଦକ୍ଷେପ 2024 ଟେବୁଲ୍ ଖୋଲିଥିଲା। ଆପଣ କ’ଣ ଫାଇଲ୍ କରିବେ?

Why this matters

ଭୁଲ ପଦକ୍ଷେପ ଦ୍ୱାରା ପହଞ୍ଚିଥିବା ସଠିକ୍ ଉତ୍ତର ଏକ ସଂଯୋଗ ଅଟୁଟ ରହିବ ନାହିଁ, ଏବଂ ସଂଯୋଗ ଚଳାଣ ପଙ୍କ୍ତିରେ ପୁନରାବୃତ୍ତି ହୁଏ ନାହିଁ। Hugging Face ପାଠ୍ୟକ୍ରମ ଏହାକୁ ଶିଖାଏ ଯେ ଚଳାଣକୁ ତାହାର ନିଜ ପଦକ୍ଷେପ ଏବଂ ତ୍ରୁଟି ଚିହ୍ନ ଦ୍ୱାରା ଦେଖାଯିବା ଉଚିତ୍। ଏହା ଏକ ସଂଯୋଗ ଥିବା ପାସ୍ କୁ ଏମିତି ଏକ ବଗ୍ ରୂପେ ପରିଣତ କରେ ଯାହା କେହି ସଠିକ୍ କରିପାରିବ।

ଚଳାଣକୁ ତାହାର ପଦକ୍ଷେପ ଦ୍ୱାରା ମୂଲ୍ୟାଙ୍କନ କରନ୍ତୁ, ଏବଂ ଶେଷ ଉତ୍ତର ପରିବର୍ତ୍ତେ ପ୍ରଥମ ଭୁଲ ପଦକ୍ଷେପକୁ ଦାଖଲ କରନ୍ତୁ।

ଭୁଲ ପଦକ୍ଷେପ ଦ୍ୱାରା ପହଞ୍ଚିଥିବା ସଠିକ୍ ଉତ୍ତର ବିଫଳତା, ପାସ୍ ନୁହେଁ।
ପ୍ରତ୍ୟେକ ପଦକ୍ଷେପକୁ ସେ କ’ଣ କହିଥିଲା ସେହି ଅନୁସାରେ ଯାଞ୍ଚ କରନ୍ତୁ, ଶେଷ ଉତ୍ତର ଉପରେ ନୁହେଁ।
ପ୍ରଥମ ଭୁଲ ପଦକ୍ଷେପକୁ ଚିହ୍ନିତ କରନ୍ତୁ; ତାହା ପରେ ଯାହା ହେଉଛି ସେହି ପଦକ୍ଷେପର ପରିଣାମ।

Task

ଟ୍ରେନ୍ ଭାଡା ସମ୍ବନ୍ଧୀୟ ଏକ ଏଜେଣ୍ଟ ଚଳାଣ ଯାଞ୍ଚ କରନ୍ତୁ, ଯାହାର ଶେଷ ଉତ୍ତର ସଠିକ୍।

Weak approach ରେଲୱେ ସାଇଟ୍ ଖୋଲି ଆଜିର ଭାଡ଼ାକୁ ଏଜେଣ୍ଟଙ୍କ ଉତ୍ତର ସହିତ ତୁଳନା କରେ। ସେମାନେ ସମାନ, ତେଣୁ ଏହି ଚଳାଚଳକୁ ପାସ୍ ମାର୍କ କରାଯାଏ। ସେହି ଉତ୍ତର ପଛରେ ଥିବା ଛଅଟି ପଦକ୍ଷେପ କେବେ ଖୋଲାଯାଉନଥିଲେ।

Stronger approach ତୃତୀୟ ପଦକ୍ଷେପକୁ ଭୁଲ ଭାବେ ଦର୍ଜ କରେ: ଏହା ଏହି ବର୍ଷର ଭାଡ଼ା ତାଲିକା ନୁହେଁ, ପୂର୍ବବର୍ଷର ତାଲିକା ଖୋଲିଥିଲା। ଲେଖେ ଯେ ମେଳ ହେବାଟା ଭାଗ୍ୟ ଥିଲା ଏବଂ ପୁନରାବୃତ୍ତି ହେବ ନାହିଁ।

Why the stronger approach works ଦୁର୍ବଳ ଯାଞ୍ଚ ଶେଷକୁ ମୂଲ୍ୟାଙ୍କନ କଲା। ଶକ୍ତିଶାଳୀ ଯାଞ୍ଚ ପ୍ରତ୍ୟେକ ପଦକ୍ଷେପକୁ ସେହି ଦାବି ଅନୁସାରେ ମୂଲ୍ୟାଙ୍କନ କଲା ଯାହା ସେ କରୁଥିଲା।

Try a changed situation ଆପଣଙ୍କୁ କେବଳ ଏଜେଣ୍ଟର ପଦକ୍ଷେପ ଲଗ୍ ଦିଆଯାଇଛି। ଶେଷ ଉତ୍ତର ହଟାଯାଇଛି। ତେବେ ଆପଣ ଚଳାଣକୁ ମୂଲ୍ୟାଙ୍କନ କରିପାରିବେ କି?

Make something yourself ଏକ ଏଜେଣ୍ଟ ଚଳାଣ ନିଅନ୍ତୁ ଏବଂ ତାହାକୁ ପଦକ୍ଷେପ ଦ୍ୱାରା ସମୀକ୍ଷା କରନ୍ତୁ। ପ୍ରଥମ ଭୁଲ ପଦକ୍ଷେପ, ସେ କ’ଣ କରିଥିଲା, ଏବଂ ସେଥିରେ କ’ଣ ସଠିକ୍ ପଦକ୍ଷେପ ଥିବା ଉଚିତ୍ ଥିଲା, ନାମକରଣ କରନ୍ତୁ।

Read the primary or official source: Hugging Face Agents course · watching and judging agents