- Learn
- See
- Try
- Make
ଦୁଇଟି ମଡେଲ୍ ପ୍ରତିକ୍ରିୟା ତୁଳନା କରନ୍ତୁ
What this lesson is about
ରୁବ୍ରିକ୍ ବ୍ୟବହାର କରି ଭଲ ଉତ୍ତର ଚୟନ କରନ୍ତୁ। ଲମ୍ବାଇ, ଆତ୍ମବିଶ୍ୱାସ କିମ୍ବା ଲେଖନ ଶୈଳୀ ଦ୍ୱାରା ଚୟନ କରନ୍ତୁ ନାହିଁ।
ଏକେ ପ୍ରଶ୍ନର ଦୁଇଟି ଉତ୍ତର ତୁମର ସ୍କ୍ରିନ୍ରେ ଖୋଲା ଅଛି, ଗୋଟିଏ ଲମ୍ବା ଏବଂ ସୁନ୍ଦର ଭାବରେ ତିଆରି। କିପରି ତୁମେ ନିଷ୍ପତ୍ତି କରିବା?
Why this matters
ପସନ୍ଦ ତଥ୍ୟ ମଡେଲ୍ମାନେ କେଉଁ ଉତ୍ତର ବ୍ୟବହାରକାରୀଙ୍କ ପାଇଁ ଭଲ ତାହା ଶିଖେ। ଆତ୍ମବିଶ୍ୱାସ, ଚମକ ଓ ଲମ୍ବାଇ ସୁରକ୍ଷିତ ଶର୍ଟକଟ୍ ନୁହେଁ। ଆପଣ ରୁବ୍ରିକ୍ ବିରୋଧରେ ମୂଲ୍ୟାଙ୍କନ କରନ୍ତୁ — ଯାହା ଭଲ ଉତ୍ତର ପାଇଁ ଆବଶ୍ୟକ ତାହାର ତାଲିକା। ଆପଣ ପ୍ରତିଟି ମାନଦଣ୍ଡ — ଗୋଟିଏ ନାମିତ ଗୁଣ — ଏକ ସମୟରେ ନେବେ।
Read the primary or official source: Hugging Face Alignment Course