- Learn
- See
- Try
- Make
ਦੋ ਮਾਡਲ ਜਵਾਬਾਂ ਦੀ ਤੁਲਨਾ ਕਰੋ
What this lesson is about
ਰੂਬਰਿਕ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਵਧੀਆ ਜਵਾਬ ਚੁਣੋ। ਲੰਬਾਈ, ਭਰੋਸਾ ਜਾਂ ਲਿਖਣ ਦੇ ਅੰਦਾਜ਼ ਨਾਲ ਚੁਣੋ ਨਾ।
ਇੱਕੋ ਸਵਾਲ ਦੇ ਦੋ ਜਵਾਬ ਤੁਹਾਡੇ ਸਕਰੀਨ 'ਤੇ ਖੁੱਲੇ ਹਨ, ਇੱਕ ਲੰਮਾ ਤੇ ਸੁਧਾਰਿਆ ਹੋਇਆ। ਤੁਸੀਂ ਕਿਵੇਂ ਫੈਸਲਾ ਕਰੋਗੇ?
Why this matters
ਪਸੰਦ ਦਾ ਡਾਟਾ ਮਾਡਲਾਂ ਨੂੰ ਸਿਖਾਉਂਦਾ ਹੈ ਕਿ ਕਿਹੜਾ ਜਵਾਬ ਉਪਭੋਗਤਾ ਲਈ ਵਧੀਆ ਹੈ। ਭਰੋਸਾ, ਸਜਾਵਟ ਜਾਂ ਲੰਬਾਈ ਸੁਰੱਖਿਅਤ ਛੋਟੇ ਰਸਤੇ ਨਹੀਂ ਹਨ। ਤੁਸੀਂ ਰੂਬਰਿਕ ਦੇ ਖਿਲਾਫ ਜੱਜ ਕਰਦੇ ਹੋ — ਉਹ ਚੈੱਕਲਿਸਟ ਜੋ ਦੱਸਦੀ ਹੈ ਕਿ ਵਧੀਆ ਜਵਾਬ ਵਿੱਚ ਕੀ ਚਾਹੀਦਾ ਹੈ। ਤੁਸੀਂ ਇੱਕ ਮਾਪਦੰਡ — ਇੱਕ ਨਾਂਵਾਂ ਗੁਣ — ਇੱਕ ਵਾਰੀ ਵਿੱਚ ਲੈਂਦੇ ਹੋ।
Read the primary or official source: Hugging Face Alignment Course