- Learn
- See
- Try
- Make
स्वर्णवस्तूनि च यत् तव पङ्क्तिः विरमति
What this lesson is about
तव समूहस्य केचन वस्तूनि पूर्वमेव निश्चितं उत्तरं वहन्ति। तेषां सह तव सहमति कार्यस्य आगमनं वा निरोधं निश्चितयति।
अद्य चत्वारिंशत् कर्मसु षट् तानि यानि दलः पूर्वमेव निश्चितवान्। तानि षट् कानि, न कश्चिद् वदति। किं परिवर्तते?
Why this matters
परियोजनानि केचन वस्तूनि गुहयन्ति येषां उत्तरं ते पूर्वमेव निश्चितवन्तः, तेषां विषये त्वां मापनं कुर्वन्ति। तानि वस्तूनि यानि तानि न प्रकाशयन्ति। एकस्मिन् प्रकाशिते परियोजने समीक्षकान् एवं प्रकारेण मापितवन्तः। प्रशिक्षणात् बहिः स्थिताः समीक्षकाः शतस्य लगभग सप्तसप्ततिः समयः सहमताः। कोऽपि शतस्य शतं समयं न सहमतः, न च कश्चन सीमा तद् अपेक्षते।
Read the primary or official source: Ouyang et al., Training language models to follow instructions (arXiv)