- Learn
- See
- Try
- Make
ਮੁਲਾਂਕਣ ਲੂਪ ਨੂੰ ਪੂਰਾ ਕਰਦਾ ਹੈ
What this lesson is about
ਰੋਕੇ ਗਏ ਕੰਮਾਂ ਦੀ ਵਰਤੋਂ ਕਰੋ — ਜਿਨ੍ਹਾਂ 'ਤੇ ਮਾਡਲ ਕਦੇ ਵੀ ਟ੍ਰੇਨ ਨਹੀਂ ਕੀਤਾ ਗਿਆ — ਅਤੇ ਸਾਫ਼ ਮਿਆਰ। ਜਾਂਚੋ ਕਿ ਬਦਲਾਅ ਨੇ ਮਦਦ ਕੀਤੀ ਹੈ ਜਾਂ ਨਵੀਆਂ ਗਲਤੀਆਂ ਪੈਦਾ ਕੀਤੀਆਂ ਹਨ।
ਤੁਹਾਡੇ ਟੀਮ ਨੂੰ ਬਦਲਾਅ ਦੀ ਜਾਂਚ ਲਈ ਵੀਹ ਸਵਾਲ ਚਾਹੀਦੇ ਹਨ, ਅਤੇ ਪਿਛਲੇ ਮਹੀਨੇ ਦੀ ਟ੍ਰੇਨਿੰਗ ਫਾਈਲ ਸਕ੍ਰੀਨ 'ਤੇ ਖੁਲੀ ਹੈ। ਤੁਸੀਂ ਕੀ ਕਰੋਗੇ?
Why this matters
ਇੱਕ ਬਦਲਾਅ ਇੱਕ ਸਕੋਰ ਨੂੰ ਵਧਾ ਸਕਦਾ ਹੈ ਪਰ ਸਹੀਪਣ, ਸੁਰੱਖਿਆ ਜਾਂ ਕਿਸੇ ਸਮੂਹ ਲਈ ਨਤੀਜੇ ਖਰਾਬ ਕਰ ਸਕਦਾ ਹੈ। ਇਸ ਲਈ ਤੁਸੀਂ ਰੋਕੇ ਗਏ ਸੈੱਟ 'ਤੇ ਟੈਸਟ ਕਰਦੇ ਹੋ — ਉਹ ਕੰਮ ਜਿਨ੍ਹਾਂ 'ਤੇ ਮਾਡਲ ਕਦੇ ਬਣਾਇਆ ਨਹੀਂ ਗਿਆ। ਅਤੇ ਤੁਸੀਂ ਰਿਗ੍ਰੈਸ਼ਨ ਲੱਭਦੇ ਹੋ — ਜੋ ਪਹਿਲਾਂ ਚੱਲਦਾ ਸੀ ਹੁਣ ਫੇਲ ਹੁੰਦਾ ਹੈ।
Read the primary or official source: OpenAI HealthBench