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

Learn
See
Try
Make

ਆਪਣੇ ਆਪ ਨਾਲ ਅਤੇ ਹੋਰਾਂ ਨਾਲ ਇਕਸਾਰ ਰਹੋ

What this lesson is about

ਵੇਖੋ ਕਿ ਇੱਕੋ ਚੀਜ਼ ਲੰਮੇ ਕੰਮ ਵਿੱਚ ਕਿਵੇਂ ਬਦਲਦੀ ਹੈ। ਡਾਟਾ ਤੱਕ ਪਹੁੰਚਣ ਤੋਂ ਪਹਿਲਾਂ ਆਪਣੇ ਆਪ ਨੂੰ ਵਾਪਸ ਖਿੱਚੋ।

ਲੰਮੇ ਬੈਚ ਦੇ ਆਖ਼ਰੀ ਦਿਨ ਤੁਸੀਂ ਉਸ ਆਈਟਮ ਨੂੰ ਮੁੜ ਖੋਲ੍ਹਦੇ ਹੋ ਜੋ ਤੁਸੀਂ ਸ਼ੁਰੂ ਵਿੱਚ ਮਾਰਕ ਕੀਤਾ ਸੀ। ਹੁਣ ਤੁਸੀਂ ਇਸਨੂੰ ਵੱਖਰਾ ਮਾਰਕ ਕਰਦੇ। ਹੁਣ ਕੀ ਕਰਨਾ?

Why this matters

ਇੱਕੋ ਇਨਪੁੱਟ ਨੂੰ ਪਹਿਲੇ ਦਿਨ ਅਤੇ ਆਖਰੀ ਦਿਨ ਇੱਕੋ ਲੇਬਲ ਮਿਲਣਾ ਚਾਹੀਦਾ ਹੈ। ਖਿਸਕਣ ਚੁੱਪਚਾਪ ਹੁੰਦਾ ਹੈ, ਇਸ ਲਈ ਇਹ ਲੰਗਰਾਂ ਨਾਲ ਪਕੜਿਆ ਜਾਂਦਾ ਹੈ, ਸਾਵਧਾਨ ਹੋਣ ਦੇ ਭਾਵ ਨਾਲ ਨਹੀਂ।

ਲੰਮੇ ਬੈਚ ਵਿੱਚ ਆਪਣੇ ਖਿਸਕਣ ਨੂੰ ਪਛਾਣੋ ਅਤੇ ਡਾਟਾ ਤੱਕ ਪਹੁੰਚਣ ਤੋਂ ਪਹਿਲਾਂ ਆਪਣੇ ਆਪ ਨੂੰ ਮੁੜ ਸਥਿਰ ਕਰੋ।

ਇੱਕੋ ਆਈਟਮ ਨੂੰ ਸੋਮਵਾਰ ਅਤੇ ਸ਼ੁੱਕਰਵਾਰ ਨੂੰ ਇੱਕੋ ਲੇਬਲ ਮਿਲਦਾ ਹੈ।
ਹਰ ਵਾਰੀ ਬੈਠਣ ਤੋਂ ਪਹਿਲਾਂ ਆਪਣੀਆਂ ਫਿਕਸ ਕੀਤੀਆਂ ਉਦਾਹਰਨਾਂ ਨੂੰ ਦੁਬਾਰਾ ਪੜ੍ਹੋ, ਸਿਰਫ ਪਹਿਲੇ ਦਿਨ ਨਹੀਂ।
ਜਦੋਂ ਤੁਸੀਂ ਪੁਰਾਣਾ ਫੈਸਲਾ ਬਦਲਦੇ ਹੋ, ਤਾਂ ਲਿਖੋ ਕਿ ਕੀ ਬਦਲਿਆ ਅਤੇ ਕਿਉਂ।

Task

ਤੁਸੀਂ ਅਤੇ ਦੂਜੇ ਸਮੀਖਿਆਕਾਰ ਨੇ ਉਹੀ ਚਾਲੀ ਜਵਾਬ ਪੂਰੇ ਜਾਂ ਅਧੂਰੇ ਚਿੰਨ੍ਹਤ ਕੀਤੇ। ਇੱਕ ਨਿਰਧਾਰਿਤ ਤੱਥਾਂ ਦੀ ਸੂਚੀ ਇਹ ਫੈਸਲਾ ਕਰਦੀ ਹੈ।

Weak approach ਗਿਣਤੀ ਕਰਦਾ ਹੈ ਕਿ ਤੁਸੀਂ ਦੋਹਾਂ ਚਾਲੀ ਵਿੱਚੋਂ ਬਤੀਹਾਂ ਜਗ੍ਹਾ ਮਿਲੇ। ਸੌ ਵਿੱਚ ਅੱਸੀ ਨੂੰ ਸਹਿਮਤੀ ਦਾ ਅੰਕ ਬਣਾਕੇ ਬੈਚ ਨਾਲ ਭੇਜਦਾ ਹੈ। ਕਦੇ ਨਹੀਂ ਵੇਖਦਾ ਕਿ ਤੁਸੀਂ ਦੋਹਾਂ ਨੇ ਕਿੰਨੀ ਵਾਰੀ 'ਪੂਰਾ' ਕਿਹਾ।

Stronger approach ਰਿਪੋਰਟ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਮੌਕੇ ਦਾ ਹਿੱਸਾ ਘਟਾ ਦਿੰਦਾ ਹੈ। ਤੁਸੀਂ ਦੋਹਾਂ ਚਾਲੀ ਵਿੱਚੋਂ 32 'ਪੂਰਾ' ਤੇ ਮਿਲੇ, ਜੋ ਕਿ 0.80 ਹੈ। ਦੋਹਾਂ ਨੇ 32 ਵਾਰੀ 'ਪੂਰਾ' ਲਿਖਿਆ। ਮੌਕੇ ਨਾਲ ਸਿਰਫ਼ 0.8 ਗੁਣਾ 0.8 ਅਤੇ 0.2 ਗੁਣਾ 0.2, ਜੋ ਕਿ 0.68 ਹੈ। Cohen ਦਾ kappa 0.80 ਵਿੱਚੋਂ 0.68 ਘਟਾ ਕੇ, 1 ਵਿੱਚੋਂ 0.68 ਘਟਾ ਕੇ 0.38 ਬਣਦਾ ਹੈ। 0.38, 40 ਦੀ ਗਿਣਤੀ ਅਤੇ ਦੋਹਾਂ ਵੱਲੋਂ ਵਰਤੇ ਗਏ ਨਿਰਧਾਰਿਤ ਉਦਾਹਰਣ ਭੇਜਦਾ ਹੈ।

Why the stronger approach works ਸੌ ਵਿੱਚ ਅੱਸੀ ਸੁਣਨ ਵਿੱਚ ਪੱਕਾ ਲੱਗਦਾ ਹੈ। ਜਿੱਥੇ ਤੁਸੀਂ ਦੋਹਾਂ ਪੰਜ ਵਿੱਚੋਂ ਚਾਰ ਨੂੰ 'ਪੂਰਾ' ਕਿਹਾ, ਉੱਥੇ ਜ਼ਿਆਦਾਤਰ ਸਹਿਮਤੀ ਮੌਕੇ ਨਾਲ ਹੁੰਦੀ ਹੈ, ਬਚਦਾ ਹੈ 0.38।

Try a changed situation ਹੁਣ ਤੁਸੀਂ ਤਿੰਨ ਸ਼ਾਮਾਂ ਵਿੱਚ ਸਕੂਲ ਦੇ ਜਵਾਬ ਪੱਤਰਾਂ ਦਾ ਢੇਰ ਮਾਰਕ ਕਰ ਰਹੇ ਹੋ। ਕਿਹੜਾ ਨਿਯਮ ਅਜੇ ਵੀ ਲਾਗੂ ਹੈ?

Make something yourself ਜੋ ਕੰਮ ਤੁਸੀਂ ਬਾਰ-ਬਾਰ ਕਰਦੇ ਹੋ, ਉਸ ਲਈ ਤਿੰਨ ਫਿਕਸ ਕੀਤੀਆਂ ਉਦਾਹਰਨਾਂ ਲਿਖੋ: ਇੱਕ ਸਾਫ਼ ਸਹੀ, ਇੱਕ ਸਾਫ਼ ਗਲਤ, ਅਤੇ ਇੱਕ ਸੀਮਾ ਵਾਲਾ ਮਾਮਲਾ ਜਿਸ ਪੜ੍ਹਾਈ ਨੂੰ ਤੁਸੀਂ ਫੈਸਲਾ ਕੀਤਾ।

Read the primary or official source: Bai et al., Training a Helpful and Harmless Assistant (arXiv)