- Learn
- See
- Try
- Make
ପସନ୍ଦରୁ ଏକ ଟ୍ରେନିଂ ସିଗ୍ନାଲ୍ ପର୍ଯ୍ୟନ୍ତ
What this lesson is about
ଦୁଇଟି ଉତ୍ତର ମଧ୍ୟରୁ ଏକ ପସନ୍ଦ କ’ଣ ପକାଇଥାଏ ଦେଖନ୍ତୁ। ନିୟମାବଳୀ କିମ୍ବା ସମୀକ୍ଷକମାନେ ଯଦି ମତଭେଦ କରନ୍ତି ତେବେ କ’ଣ ଛାଡ଼ି ଯାଏ ତାହା ଦେଖନ୍ତୁ।
ଆପଣଙ୍କର ଶୀଟରେ ଏକ ଉତ୍ତର ସୋମବାର ବ୍ୟାଚରୁ ଏବଂ ଅନ୍ୟଟି ସମ୍ପୂର୍ଣ୍ଣ ଭିନ୍ନ ପ୍ରଶ୍ନରୁ ଆସିଛି। ଆପଣ କ'ଣ ସଠିକ୍ କରିବେ?
Why this matters
ପସନ୍ଦ ତେବେ ମାତ୍ର ଭଲ ଯେତେବେଳେ ତାହା ପଛରେ ଥିବା କାର୍ଯ୍ୟ, ରୁବ୍ରିକ୍ — ଯାହା କହେ ଭଲ ଉତ୍ତରର ଆବଶ୍ୟକତା — ସ୍ପଷ୍ଟ ଥାଏ। ଏହା ସହିତ ସମୀକ୍ଷକଙ୍କ ଜ୍ଞାନ ଏବଂ ମତଭେଦ କିପରି ସମାଧାନ ହୁଏ ତାହା ମଧ୍ୟ ମହତ୍ତ୍ୱପୂର୍ଣ୍ଣ। ପ୍ରତ୍ୟେକ ରୁବ୍ରିକ୍ ଲାଇନ୍ ହେଉଛି ଏକ ମାନଦଣ୍ଡ — ଗୋଟିଏ ନାମିତ ଗୁଣ ଯାହା ଆପଣ ମୂଲ୍ୟାଙ୍କନ କରନ୍ତି।
Read the primary or official source: Hugging Face Alignment Course