ਮਸ਼ੀਨ ਦੁਆਰਾ ਅਨੁਵਾਦ ਕੀਤਾ ਗਿਆ। ਅੰਗਰੇਜ਼ੀ ਅਤੇ ਹਿੰਦੀ ਸਮੀਖਿਆ ਕੀਤੇ ਗਏ ਸੰਸਕਰਣ ਹਨ।English हिन्दी

Learn
See
Try
Make

ਉਹ ਜਵਾਬ ਲਿਖੋ ਜਿਸ ਨਾਲ ਹੋਰਾਂ ਦੀ ਮਾਪ-ਤੋਲ ਕੀਤੀ ਜਾਂਦੀ ਹੈ

What this lesson is about

ਦੂਜੇ ਕਿਸੇ ਦੇ ਜਵਾਬ ਦਾ ਫੈਸਲਾ ਨਹੀਂ, ਸਿੱਧਾ ਸੰਦਰਭ ਜਵਾਬ ਲਿਖੋ: ਜੋ ਪੁੱਛਿਆ ਗਿਆ ਮਾਮਲਾ ਸੁਲਝਾਏ, ਆਪਣੇ ਕਦਮ ਦਿਖਾਏ, ਅਤੇ ਜਿੱਥੇ ਮਨਾਹੀ ਸਹੀ ਹੋਵੇ ਉੱਥੇ ਮਨਾਹੀ ਕਰੇ।

ਤੁਸੀਂ ਉਸ ਦੁਕਾਨਦਾਰ ਲਈ ਸੋਨੇ ਵਰਗਾ ਜਵਾਬ ਲਿਖ ਰਹੇ ਹੋ ਜਿਸਨੂੰ ਪੁੱਛਿਆ ਗਿਆ ਕਿ ਕੱਟਾ ਕਪੜਾ ਵਾਪਸ ਹੋ ਸਕਦਾ ਹੈ ਜਾਂ ਨਹੀਂ। ਸਭ ਤੋਂ ਪਹਿਲਾਂ ਕੀ ਲਿਖੋਗੇ?

Why this matters

ਕਈ ਪ੍ਰੋਜੈਕਟ ਕਿਸੇ ਹੋਰ ਦੇ ਜਵਾਬ ਦੀ ਮਾਪ-ਤੋਲ ਨਹੀਂ ਕਰਦੇ, ਸਿੱਧਾ ਸੋਨੇ ਵਰਗਾ ਜਵਾਬ ਖਰੀਦਦੇ ਹਨ। ਮਨੁੱਖੀ ਫੀਡਬੈਕ ਨਾਲ ਸਿਖਲਾਈ ਬਾਰੇ ਪ੍ਰਕਾਸ਼ਿਤ ਕੰਮਾਂ ਵਿੱਚ ਲੋਕ ਪਹਿਲਾਂ ਚਾਹੀਦਾ ਜਵਾਬ ਲਿਖਦੇ ਸਨ। ਮਾਪ-ਤੋਲ ਦਾ ਕਦਮ ਉਸ ਤੋਂ ਬਾਅਦ ਆਉਂਦਾ ਹੈ। ਨਰਮ ਸੰਦਰਭ ਜਵਾਬ ਹਰ ਮਾਪ-ਤੋਲ ਨੂੰ ਨਰਮ ਕਰਦਾ ਹੈ।

ਉਹ ਸੰਦਰਭ ਜਵਾਬ ਲਿਖੋ ਜਿਸ ਨਾਲ ਹਰ ਅੱਗੇ ਆਉਣ ਵਾਲੀ ਮਾਪ-ਤੋਲ ਕੀਤੀ ਜਾਵੇ।

ਸੋਨੇ ਵਰਗਾ ਜਵਾਬ ਉਸ ਮਾਮਲੇ ਨੂੰ ਸੁਲਝਾਉਂਦਾ ਹੈ ਜੋ ਪੁੱਛਿਆ ਗਿਆ ਹੈ, ਨਾ ਕਿ ਉਹ ਜੋ ਤੁਸੀਂ ਚਾਹੁੰਦੇ ਹੋ ਕਿ ਪੁੱਛਿਆ ਜਾਂਦਾ।
ਹਰ ਕਦਮ ਦਿਖਾਓ ਜੋ ਮਾਪਣ ਵਾਲੇ ਨੂੰ ਜਾਂਚਣਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਉਹ ਕੰਮ ਵੀ ਸ਼ਾਮਲ ਹੈ ਜੋ ਤੁਸੀਂ ਮਨ ਵਿੱਚ ਕਰਦੇ ਹੋ।
ਜਿੱਥੇ ਸੱਚਾ ਜਵਾਬ 'ਨਹੀਂ' ਹੈ, ਸੋਨੇ ਵਰਗਾ ਜਵਾਬ 'ਨਹੀਂ' ਕਹਿੰਦਾ ਹੈ ਅਤੇ ਦੱਸਦਾ ਹੈ ਕਿਉਂ।

Task

ਕਪੜੇ ਦੇ ਥੋਕ ਵਪਾਰੀ ਦਾ ਗਾਹਕ ਵਾਪਸੀ ਬਾਰੇ ਲਿਖਦਾ ਹੈ। ਉਸਨੇ 2 ਸਤੰਬਰ ਨੂੰ ਚਾਲੀ ਮੀਟਰ ਖਰੀਦੇ ਸਨ, ਜਿਨ੍ਹਾਂ ਵਿੱਚੋਂ ਛੇ ਮੀਟਰ ਉਸਦੇ ਮਾਪ ਅਨੁਸਾਰ ਕੱਟੇ ਗਏ ਸਨ। ਹੁਣ ਉਹ ਅੱਠ ਮੀਟਰ ਵਾਪਸ ਕਰਨਾ ਚਾਹੁੰਦਾ ਹੈ।

Weak approach ਜਵਾਬ ਦਿੰਦਾ ਹੈ ਕਿ ਬਿਨਾਂ ਵਰਤੇ ਸਮਾਨ ਨੂੰ ਪੰਦਰਾਂ ਦਿਨਾਂ ਵਿੱਚ ਵਾਪਸ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਅਤੇ ਬਿੱਲ ਲਿਆਉਣ ਲਈ ਕਹਿੰਦਾ ਹੈ। ਦੁਕਾਨ ਦੀ ਗਾਹਕਾਂ ਦੀ ਦੇਖਭਾਲ ਬਾਰੇ ਇੱਕ ਲਾਈਨ ਜੋੜਦਾ ਹੈ। ਕੱਟੇ ਕਪੜੇ ਦਾ ਜ਼ਿਕਰ ਨਹੀਂ ਹੁੰਦਾ।

Stronger approach ਲਿਖਦਾ ਹੈ ਕਿ ਪੰਦਰਾਂ ਦਿਨ 2 ਸਤੰਬਰ ਤੋਂ ਗਿਣੇ ਜਾਣਗੇ, ਇਸ ਲਈ 17 ਸਤੰਬਰ ਆਖਰੀ ਦਿਨ ਹੈ। ਕਹਿੰਦਾ ਹੈ ਕਿ ਛੇ ਕੱਟੇ ਮੀਟਰ ਵਾਪਸ ਨਹੀਂ ਕੀਤੇ ਜਾ ਸਕਦੇ ਅਤੇ ਕਿਉਂ। ਫਿਰ ਦੱਸਦਾ ਹੈ ਜੋ ਖੁੱਲ੍ਹਾ ਹੈ: ਬਿਨਾਂ ਕੱਟੇ ਮੀਟਰ ਨੂੰ ਉਸੇ ਬਿੱਲ ਦੇ ਖਿਲਾਫ ਬਦਲਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਅੰਤ ਵਿੱਚ ਗਾਹਕ ਨੂੰ ਲਿਆਉਣ ਵਾਲੀ ਚੀਜ਼ ਦੱਸਦਾ ਹੈ।

Why the stronger approach works ਦੋਹਾਂ ਜਵਾਬ ਸਨਮਾਨਜਨਕ ਹਨ ਅਤੇ ਕੋਈ ਝੂਠ ਨਹੀਂ ਕਹਿੰਦੇ। ਸਿਰਫ ਇੱਕ ਹੀ ਇਸ ਗਾਹਕ ਦਾ ਮਾਮਲਾ ਨਿਪਟਾਉਂਦਾ ਹੈ, ਅਤੇ ਮਾਪਣ ਵਾਲਾ ਉਸ ਲਾਈਨ ਨੂੰ ਦਰਸਾ ਸਕਦਾ ਹੈ ਜਿਸ ਨੇ ਫੈਸਲਾ ਕੀਤਾ।

Try a changed situation ਹੁਣ ਤੁਸੀਂ ਜੋ ਸੋਨੇ ਵਰਗਾ ਜਵਾਬ ਲਿਖ ਰਹੇ ਹੋ ਉਹ ਕਲਾਸ 8 ਦੇ ਗਣਿਤ ਦਾ ਛੂਟ ਬਾਰੇ ਸਵਾਲ ਹੈ। ਇਸ ਵਿੱਚ ਕੀ ਹੋਣਾ ਜਰੂਰੀ ਹੈ?

Make something yourself ਆਪਣੇ ਜਾਣੂ ਧੰਦੇ ਵਿੱਚੋਂ ਕੋਈ ਅਜਿਹਾ ਸਵਾਲ ਲਵੋ ਜੋ ਗਾਹਕ ਸੱਚਮੁੱਚ ਪੁੱਛਦੇ ਹਨ। ਉਸ ਲਈ ਸੋਨੇ ਵਰਗਾ ਜਵਾਬ ਲਿਖੋ। ਫਿਰ ਤਿੰਨ ਲਾਈਨਾਂ ਵਿੱਚ ਲਿਖੋ ਕਿ ਮਾਪਣ ਵਾਲੇ ਨੂੰ ਕਿਹੜੀਆਂ ਗੱਲਾਂ 'ਤੇ ਨੰਬਰ ਘਟਾਉਣੇ ਚਾਹੀਦੇ ਹਨ।

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