ଯେଉଁ ଉତ୍ତରକୁ ଅନ୍ୟମାନେ ମାପନ୍ତି ସେହି ଉତ୍ତର ଲେଖନ୍ତୁ

What this lesson is about

ଅନ୍ୟ କାହାର ଉତ୍ତର ମୂଲ୍ୟାଙ୍କନ ନୁହେଁ, ସନ୍ଦର୍ଭ ଉତ୍ତର ନିଜେ ଲେଖନ୍ତୁ: ଯାହା ପ୍ରଶ୍ନ କରାଯାଇଥିବା ମାମଲାକୁ ସମାଧାନ କରେ, ତାହାର ପଦକ୍ଷେପ ଦେଖାଏ, ଏବଂ ଯେଉଁଠାରେ ନାକାରାତ୍ମକ ହେବା ଠିକ୍ ତାହା କହିଦିଏ।

ଆପଣ ଗୋଟିଏ ଦୋକାନଦାର ପାଇଁ ସନ୍ଦର୍ଭ ଉତ୍ତର ଲେଖୁଛନ୍ତି। ସେଉଁଠାରେ ପଚାରାଯାଇଛି କି କାଟାଯାଇଥିବା କପଡ଼ା ଫେରତ ଦିଆଯିବ କି? ପ୍ରଥମେ କ’ଣ ଲେଖିବେ?

Why this matters

ଅନେକ ପ୍ରକଳ୍ପ ଅନ୍ୟ କାହାର ଉତ୍ତର ମୂଲ୍ୟାଙ୍କନ କରିବା ପାଇଁ ନୁହେଁ, ସନ୍ଦର୍ଭ ଉତ୍ତରକୁ ସିଧାସଳଖ କିଣନ୍ତି। ମାନବ ପ୍ରତିକ୍ରିୟା ସହିତ ଶିକ୍ଷା ଦେବା ବିଷୟରେ ପ୍ରକାଶିତ କାର୍ଯ୍ୟରେ, ଲୋକେ ପ୍ରଥମେ ଚାହିଁଥିବା ଉତ୍ତର ଲେଖିଥିଲେ। ମୂଲ୍ୟାଙ୍କନ ପରବର୍ତ୍ତୀ ପଦକ୍ଷେପ ଥିଲା। ଏକ ମୃଦୁ ସନ୍ଦର୍ଭ ଉତ୍ତର ପ୍ରତ୍ୟେକ ମୂଲ୍ୟାଙ୍କନକୁ ମୃଦୁ କରିଦିଏ।

ସେହି ସନ୍ଦର୍ଭ ଉତ୍ତର ଲେଖନ୍ତୁ ଯାହା ପରେ ଥିବା ପ୍ରତ୍ୟେକ ମୂଲ୍ୟାଙ୍କନ ତାହାର ସହିତ ତୁଳନା କରାଯିବ।

ସନ୍ଦର୍ଭ ଉତ୍ତର ସେହି ମାମଲାକୁ ସମାଧାନ କରେ ଯାହା ପ୍ରଶ୍ନ କରାଯାଇଛି, ନୁହେଁ ଯାହା ଆପଣ ଚାହାଁଥିଲେ।
ମାପକ ଯେଉଁ ପଦକ୍ଷେପଗୁଡିକୁ ଯାଞ୍ଚ କରିବାକୁ ପଡିବ ସେଗୁଡିକୁ ଦେଖାନ୍ତୁ, ଆପଣ ମନରେ କରିଥିବା ହିସାବ ସହିତ।
ଯେଉଁଠାରେ ସତ୍ୟ ଉତ୍ତର ‘ନା’, ସେଠାରେ ସନ୍ଦର୍ଭ ଉତ୍ତର ‘ନା’ କହିଥାଏ ଏବଂ କାହିଁକି ତାହା କହିଥାଏ।

Task

ଗୋଟିଏ କପଡ଼ା ଥୋକ ବ୍ୟବସାୟୀଙ୍କର ଗ୍ରାହକ ଫେରତ ବିଷୟରେ ଲେଖିଛନ୍ତି। ସେ 2 ସେପ୍ଟେମ୍ବରରେ ଚାଳିଶି ମିଟର କିଣିଥିଲେ, ତାହାରୁ ଛଅ ମିଟର ତାଙ୍କର ମାପ ଅନୁସାରେ କାଟାଯାଇଥିଲା। ସେ ଆଠ ମିଟର ଫେରତ ଦେବାକୁ ଚାହାଁଛନ୍ତି।

Weak approach ଉତ୍ତର ଦେଉଛି ଯେ ଅପ୍ରୟୋଗ କରାଯାଇଥିବା ସାମଗ୍ରୀ ପନ୍ଦର ଦିନ ମଧ୍ୟରେ ଫେରତ ହୁଏ, ଏବଂ ବିଲ୍ ନେଇଆସିବାକୁ କହୁଛି। ଦୋକାନ ତାଙ୍କର ଗ୍ରାହକଙ୍କ ପ୍ରତି କେତେ ଯତ୍ନ ନେଉଛି ତାହା ଉପରେ ଗୋଟିଏ ପଙ୍କ୍ତି ଯୋଗ କରିଛି। କାଟାଯାଇଥିବା କପଡ଼ାର କଥା କେଉଁଠି ନାହିଁ।

Stronger approach ଲେଖିଛି ଯେ ପନ୍ଦର ଦିନ 2 ସେପ୍ଟେମ୍ବରରୁ ଗଣନା କରାଯିବ, ତେଣୁ 17 ସେପ୍ଟେମ୍ବର ଶେଷ ଦିନ। କହିଛି ଯେ କାଟାଯାଇଥିବା ଛଅ ମିଟର ଫେରତ ଦିଆଯିବ ନାହିଁ, ଏବଂ କାହିଁକି। ପରେ ଯାହା ଖୋଲା ରହିଛି ସେହି ଅକାଟା ମିଟର, ସେହି ବିଲ୍ ସହିତ ବଦଳାଯିବ। ଶେଷରେ ଗ୍ରାହକଙ୍କୁ କ’ଣ ନେଇଆସିବାକୁ ପଡିବ ସେହି କଥା ଲେଖାଯାଇଛି।

Why the stronger approach works ଦୁଇଟି ଉତ୍ତର ମଧୁର ଏବଂ କୌଣସି ଭୁଲ କଥା କହୁନାହିଁ। କେବଳ ଗୋଟିଏ ଏହି ଗ୍ରାହକଙ୍କ ମାମଲାକୁ ସମାଧାନ କରେ, ଏବଂ ମାପକ ତାହା ନିର୍ଣ୍ଣୟ କରିଥିବା ପଙ୍କ୍ତିକୁ ଦେଖାଇ ପାରିବ।

Try a changed situation ଆପଣ ବର୍ତ୍ତମାନ ଲେଖୁଥିବା ସନ୍ଦର୍ଭ ଉତ୍ତର ଏକ ଶ୍ରେଣୀ 8 ଗଣିତ ପ୍ରଶ୍ନ ଯାହା ଛୁଟ ନେଇ। ଏଥିରେ କ’ଣ ଥିବା ଆବଶ୍ୟକ?

Make something yourself ଆପଣ ଜାଣିଥିବା ଗୋଟିଏ ଧନ୍ଦାରେ ଗ୍ରାହକମାନେ ସତ୍ୟରେ ପଚାରୁଥିବା ପ୍ରଶ୍ନ ନିଅନ୍ତୁ। ସେଥିପାଇଁ ସନ୍ଦର୍ଭ ଉତ୍ତର ଲେଖନ୍ତୁ। ପରେ ତିନିଟି ପଙ୍କ୍ତି ଲେଖନ୍ତୁ ଯେ ମାପକ କେଉଁଠି ମାର୍କ କମାଇବା ଉଚିତ୍।

Read the primary or official source: Ouyang et al., Training language models to follow instructions (arXiv)