- Learn
- See
- Try
- Make
ਇਨਾਮ ਮਾਡਲ ਕੀ ਹੁੰਦਾ ਹੈ
What this lesson is about
ਨਿਸ਼ਾਨ ਲੱਗੀਆਂ ਜੋੜੀਆਂ ਤੋਂ ਕੀ ਬਣਦਾ ਹੈ ਵੇਖੋ: ਇੱਕ ਸਕੋਰਰ, ਜੋ ਸਹੀ ਜਵਾਬ ਦੀ ਬਜਾਏ ਤੁਹਾਡੇ ਕ੍ਰਮ 'ਤੇ ਸਿੱਖਿਆ ਜਾਂਦਾ ਹੈ।
ਤੁਹਾਡੇ ਅੱਠ ਸੌ ਨਿਸ਼ਾਨ ਲੱਗੀਆਂ ਜੋੜੀਆਂ ਦਾ ਬੈਚ ਸੋਮਵਾਰ ਨੂੰ ਲੈਬ ਵਿੱਚ ਜਾ ਰਿਹਾ ਹੈ। ਸਾਥੀ ਪੁੱਛਦਾ ਹੈ ਕਿ ਲੈਬ ਇਸ ਤੋਂ ਕੀ ਬਣਾਏਗੀ।
Why this matters
ਇੱਕ ਪ੍ਰਕਾਸ਼ਿਤ ਸੰਖੇਪ ਚਲਾਉਣ ਵਿੱਚ ਇਹ ਢਾਂਚਾ ਵੇਖਿਆ ਗਿਆ। ਨਿਸ਼ਾਨ ਲੱਗੀਆਂ ਜੋੜੀਆਂ ਨਾਲ ਸਕੋਰਰ ਸਿੱਖਿਆ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਮਾਡਲ ਨੂੰ ਫਿਰ ਉਸ ਸਕੋਰਰ ਦੇ ਮੁਕਾਬਲੇ ਸੁਧਾਰਿਆ ਜਾਂਦਾ ਹੈ। ਇਸ ਲਈ ਤੁਹਾਡੀ ਜੋੜੀ ਕੋਈ ਐਸਾ ਜਵਾਬ ਨਹੀਂ ਜੋ ਮਾਡਲ ਨਕਲ ਕਰੇਗਾ। ਇਹ ਸਕੋਰਰ ਦੀ ਆਪਣੀ ਸਿੱਖਿਆ ਦੀ ਇੱਕ ਲਾਈਨ ਹੈ, ਅਤੇ ਮਾਡਲ ਨੂੰ ਬਾਅਦ ਵਿੱਚ ਉਸ ਨੂੰ ਖੁਸ਼ ਕਰਨ ਲਈ ਧੱਕਿਆ ਜਾਂਦਾ ਹੈ।
Read the primary or official source: Stiennon et al., Learning to summarize from human feedback (arXiv)