ନମୁନା ପରୀକ୍ଷା ପାଇଁ ପ୍ରସ୍ତୁତ ହୁଅନ୍ତୁ

What this lesson is about

ଅଧିକାଂଶ ନମୁନା ପରୀକ୍ଷା ମାପେ କି ଆପଣ ଲିଖିତ ନିୟମକୁ ଅନୁସରଣ କରିଛନ୍ତି କି ନାହିଁ, ନ କି ଆପଣ କେତେ ଚତୁର।

ଏକ ପ୍ରବେଶ ପରୀକ୍ଷାରେ ଆପଣଙ୍କୁ ଦଶଟି ଉତ୍ତରକୁ ର୍ୟାଙ୍କ କରିବାକୁ କୁହାଯାଏ, ପ୍ରତ୍ୟେକ ଉତ୍ତର ତଳେ ଗୋଟିଏ କାରଣ ଲାଇନ୍ ସହିତ। ଆପଣ କିପରି ଏହା ପୂରଣ କରିବେ?

Why this matters

InstructGPT ଟିମ୍ ଏକ ସ୍କ୍ରିନିଂ ପରୀକ୍ଷା ଦ୍ୱାରା ସମୀକ୍ଷକମାନେକୁ ଚୟନ କରିଥିଲେ ଏବଂ ପରେ ସେମାନଙ୍କର ସମ୍ମତିକୁ ମାପିଥିଲେ। ପ୍ରଶିକ୍ଷଣରୁ ବାହାର ରଖାଯାଇଥିବା ସମୀକ୍ଷକମାନେ 77% ସମୟରେ ପରସ୍ପର ସହମତ ଥିଲେ। ଯେତେବେଳେ ଆପଣ ପାସ୍ କରନ୍ତି ସେଇ ଦିନ ମାପିବା ବନ୍ଦ ହୁଏ ନାହିଁ। ଯେଉଁ ଆଇଟମ୍‌ଗୁଡ଼ିକର ଉତ୍ତର ପୂର୍ବରୁ ନିର୍ଣ୍ଣୟ ହୋଇଛି ସେଗୁଡ଼ିକ ଏକ ପେଡ଼ ବ୍ୟାଚ୍ ମଧ୍ୟରେ ଚିହ୍ନ ଛାଡ଼ି ରହିଥାନ୍ତି, ସାଧାରଣ ଧ୍ୟାନ ଯାଞ୍ଚ ସହିତ। ସେମାନଙ୍କର ଉପରେ ଆପଣଙ୍କର ସ୍କୋର୍ ହେଉଛି ଯାହା କ୍ୟୁକୁ ଖୋଲା ରଖେ।

ନମୁନା ପରୀକ୍ଷା ପାଇଁ ପ୍ରସ୍ତୁତ ହେବାକୁ ନିୟମ ପଢ଼ି ସେହି ଅନୁସାରେ ସଠିକ୍ ଭାବେ ଅନୁସରଣ କରନ୍ତୁ।

ନମୁନା ପରୀକ୍ଷା ମାପେ କି ଆପଣ ଲିଖିତ ନିୟମକୁ ଅନୁସରଣ କରିଛନ୍ତି କି ନାହିଁ।
ଲୋକମାନେ ସେହି ନିର୍ଦେଶନା ଛାଡ଼ିଦେବାରେ ଭୁଲ କରନ୍ତି ଯାହା ସହିତ ସେମାନେ ଅସହମତ।
ନିର୍ଣ୍ଣୟ ହୋଇଥିବା ଆଇଟମ୍‌ଗୁଡ଼ିକ ବ୍ୟାଚ୍‌ରେ ଚିହ୍ନ ଛାଡ଼ି ରହିଥାନ୍ତି, ଏବଂ ସେମାନଙ୍କର ଉପରେ କମ୍ ସ୍କୋର୍ ମିଳିଲେ କ୍ୟୁ ରୋକାଯାଏ।

Task

ଦଶଟି ର୍ୟାଙ୍କିଂ ସହିତ ଏକ ସ୍ୟାମ୍ପଲ୍ ପରୀକ୍ଷା, ପ୍ରତ୍ୟେକ ର୍ୟାଙ୍କିଂ ତଳେ ଏକ ଲାଇନ୍ କାରଣ, ଏବଂ ଯାହା ପରେ ଖୋଲିଥିବା ପେଡ଼ ବ୍ୟାଚ୍।

Weak approach ପ୍ରତ୍ୟେକ ର୍ୟାଙ୍କିଂ ତଳେ ଏକ ପ୍ୟାରାଗ୍ରାଫ୍ ଲେଖିବା, ଏବଂ ବରାବରୀ ନିୟମକୁ ଛାଡ଼ିଦେବା କାରଣ ଏହା ଭୁଲ ଲାଗିଥିଲା। ତାପରେ ସେଇ ସପ୍ତାହରେ ଯେତେବେଳେ ସନ୍ଦେଶ ଆସିଲା ଯେ ସମ୍ମତି କମିଗଲା, ଦୁଇଗୁଣା ଗତିରେ କାମ କରିବା।

Stronger approach ପ୍ରତ୍ୟେକ ର୍ୟାଙ୍କିଂ ତଳେ ଏକ ଲାଇନ୍, ସଠିକ୍ ଭାବେ ଯେପରି ଚାହିଁଥିଲେ। ବରାବରୀ ନିୟମକୁ ସେଠାରେ ମଧ୍ୟ ଲାଗୁ କରାଯାଏ ଯେଉଁଠାରେ ଏହା ଭୁଲ ଲାଗୁଥିଲା, ଏବଂ ମତଭେଦ ନୋଟ୍ ବକ୍ସରେ ଲେଖାଯାଏ। ଯେତେବେଳେ ସନ୍ଦେଶ ଆସେ ଯେ କ୍ୟୁ ରୋକାଯାଇଛି, ସେଇ ଦିନ କିଛି ଅନ୍ୟ କରାଯାଏ ନାହିଁ। ନିୟମାବଳୀ ଏବଂ ନିର୍ଣ୍ଣୟ ହୋଇଥିବା ମାମଲାଗୁଡ଼ିକୁ ପୁନଃପଢ଼ାଯାଏ, ଏବଂ ଯେଉଁ ଆଇଟମ୍‌ଗୁଡ଼ିକର ତ୍ରୁଟି ହୋଇଛି ସେମାନେ ସଂଖ୍ୟା ଦ୍ୱାରା ମାଗାଯାଏ।

Why the stronger approach works ପରୀକ୍ଷା ସର୍ବୋତ୍ତମ ବିବେକ ଖୋଜୁନାହିଁ। ଏହା ଏମିତି ଜଣେ ବ୍ୟକ୍ତି ଖୋଜୁଛି ଯିଏ ଲିଖିତ ନିୟମାବଳୀକୁ ଅନୁସରଣ କରେ ଯେଉଁ ଆଇଟମ୍‌ରେ କେହି ଦେଖୁଛନ୍ତି ବୋଲି ଚିହ୍ନିତ କରିନାହାନ୍ତି।

Try a changed situation ଆପଣ ପରୀକ୍ଷା ପାସ୍ କରିଛନ୍ତି ଏବଂ ପଇସା ଥିବା ବ୍ୟାଚ୍ ଆରମ୍ଭ ହୋଇଛି। ମଧ୍ୟରେ, ଗୋଟିଏ ନିର୍ଦେଶନା ଆପଣଙ୍କୁ ଏବେ ମଧ୍ୟ ଭୁଲ ଲାଗୁଛି। ବାକୀ ଆଇଟମ୍‌ଗୁଡିକ ସହିତ ଆପଣ କ’ଣ କରିବେ?

Make something yourself ତାହାର ସମୟ ସୀମା ମଧ୍ୟରେ ଗୋଟିଏ ଅଭ୍ୟାସ ପରୀକ୍ଷା କରନ୍ତୁ। ଲିଖିତ ନିୟମାବଳୀ ଛାଡ଼ିବାକୁ ମନ ହେବା ପ୍ରତ୍ୟେକ ସ୍ଥାନରେ ଏକ ଟୀପ୍ପଣୀ ଲେଖନ୍ତୁ, ଏବଂ ଆପଣ କ'ଣ କଲେ। ଯଦି ଆପଣଙ୍କର ସ୍କୋର୍ ରୋକାଯାଏ, ତେବେ ଆପଣ ଯେଉଁ ଆଇଟମ୍‌ଗୁଡ଼ିକୁ ପୁନଃଦେଖିବାକୁ ଚାହାଁଥିବେ ସେଗୁଡ଼ିକର ନାମ ଲେଖନ୍ତୁ।

Read the primary or official source: Ouyang et al., InstructGPT (arXiv)