- Learn
- See
- Try
- Make
ਪਸੰਦ ਤੋਂ ਟ੍ਰੇਨਿੰਗ ਸਿਗਨਲ ਤੱਕ
What this lesson is about
ਦੇਖੋ ਕਿ ਦੋ ਜਵਾਬਾਂ ਵਿੱਚੋਂ ਚੋਣ ਕੀ ਕੈਪਚਰ ਕਰਦੀ ਹੈ। ਵੇਖੋ ਕਿ ਜਦੋਂ ਨਿਯਮ ਜਾਂ ਸਮੀਖਿਆਕਾਰ ਅਸਹਿਮਤ ਹੁੰਦੇ ਹਨ ਤਾਂ ਕੀ ਛੱਡ ਜਾਂਦਾ ਹੈ।
ਤੁਹਾਡੇ ਸ਼ੀਟ ਵਿੱਚ ਇੱਕ ਜਵਾਬ ਸੋਮਵਾਰ ਬੈਚ ਦਾ ਹੈ ਅਤੇ ਦੂਜਾ ਬਿਲਕੁਲ ਵੱਖਰੇ ਸਵਾਲ ਦਾ। ਤੁਸੀਂ ਕੀ ਠੀਕ ਕਰਦੇ ਹੋ?
Why this matters
ਪਸੰਦ ਉਸ ਚੀਜ਼ ਵਾਂਗ ਹੈ ਜੋ ਇਸਦੇ ਪਿੱਛੇ ਹੁੰਦੀ ਹੈ। ਇਸਦਾ ਮਤਲਬ ਹੈ ਕੰਮ ਅਤੇ ਰੂਬਰਿਕ — ਚੈੱਕਲਿਸਟ ਜੋ ਦੱਸਦੀ ਹੈ ਕਿ ਚੰਗਾ ਜਵਾਬ ਕੀ ਹੈ। ਇਹ ਵੀ ਮਤਲਬ ਹੈ ਕਿ ਸਮੀਖਿਆਕਾਰ ਨੂੰ ਕੀ ਪਤਾ ਸੀ, ਅਤੇ ਅਸਹਿਮਤੀ ਕਿਵੇਂ ਸੁਲਝਾਈ ਜਾਂਦੀ ਹੈ। ਰੂਬਰਿਕ ਦੀ ਹਰ ਲਾਈਨ ਇੱਕ ਮਾਪਦੰਡ ਹੈ — ਇੱਕ ਨਾਮਿਤ ਗੁਣ ਜੋ ਤੁਸੀਂ ਅੰਕਿਤ ਕਰਦੇ ਹੋ।
Read the primary or official source: Hugging Face Alignment Course