- Learn
- See
- Try
- Make
ସୁବର୍ଣ୍ଣ ଆଇଟମ୍ ଏବଂ ଆପଣଙ୍କର କ୍ୟୁ କେଉଁଠି ବିରାମ ନେଉଛି
What this lesson is about
ଆପଣଙ୍କର ବ୍ୟାଚ୍ର କିଛି ଆଇଟମ୍ଗୁଡ଼ିକ ପୂର୍ବରୁ ନିର୍ଣ୍ଣୟିତ ଉତ୍ତର ଧାରଣ କରିଛି। ଆପଣ ସେଗୁଡ଼ିକ ସହ କିପରି ସହମତ ହୁଅନ୍ତି, ତାହା ନିର୍ଣ୍ଣୟ କରେ କାମ ଚାଲିଥାଏ କି ନାହିଁ।
ଆଜିର 40ଟି କାମରେ 6ଟି ଏମିତି ଆଇଟମ୍ ଅଛି ଯାହା ଟିମ୍ ପୂର୍ବରୁ ନିର୍ଣ୍ଣୟ କରିଛି। କେଉଁ 6ଟି ତାହା କେହି କହୁନାହାନ୍ତି। କ’ଣ ପରିବର୍ତ୍ତନ ହେବ?
Why this matters
ପ୍ରକଳ୍ପଗୁଡ଼ିକ ଏମିତି ଆଇଟମ୍ ଲୁଚାଇ ରଖେ ଯାହାର ଉତ୍ତର ସେମାନେ ପୂର୍ବରୁ ନିର୍ଣ୍ଣୟ କରିଛନ୍ତି, ଏବଂ ସେଗୁଡ଼ିକରେ ଆପଣଙ୍କୁ ମାପନ୍ତି। ସେମାନେ କେଉଁଗୁଡ଼ିକ ଥିଲେ ତାହା କହିନଥାନ୍ତି। ଗୋଟିଏ ପ୍ରକାଶିତ ପ୍ରକଳ୍ପ ତାଙ୍କର ସମୀକ୍ଷକମାନେଙ୍କୁ ଏହିଭଳି ମାପିଥିଲେ। ପ୍ରଶିକ୍ଷଣରେ ରହିନଥିବା ସମୀକ୍ଷକମାନେ 100 ମଧ୍ୟରୁ ପ୍ରାୟ 77 ଥର ସହମତ ଥିଲେ। କେହି 100 ମଧ୍ୟରୁ 100 ଥର ସହମତ ହୁଅନାହାନ୍ତି, ଏବଂ କୌଣସି ସୀମା ଏହା ଚାହୁଁନାହିଁ।
Read the primary or official source: Ouyang et al., Training language models to follow instructions (arXiv)