स्वयमेव चान्येभ्यश्च समरूपतां धारय

What this lesson is about

दीर्घसमूहे तु तद्वस्तुनः समानस्य किं प्रकारेण विचलनं जायते इति पश्य। विचलनं दत्तांशानां समीपं न प्राप्तं पूर्वं स्वयम् पुनः सम्यक् स्थापय।

दीर्घस्य समूहस्य अन्तिमे दिने त्वं आरम्भे निर्दिष्टं वस्तु पुनः उद्घाटयसि। अधुना त्वं तां भिन्नतया चिन्हयितुमिच्छसि। किं कुर्वीत?

Why this matters

तद्वस्तु प्रथमदिनं च अन्तिमदिनं च समं सङ्केतं प्राप्नुयात्। विचलनं मौनं भवति, तेन तं स्थिराणि उदाहरणानि एव गृह्णन्ति, न तु सावधानतया मनसि धारणा।

दीर्घसमूहे स्वकीयस्य विचलनं ज्ञात्वा दत्तांशानां समीपं न प्राप्तं पूर्वं पुनः स्वयम् सम्यक् स्थापय।

तद्वस्तु सोमवासरे च शुक्रवासरे च समं सङ्केतं प्राप्नुयात्।
प्रतिसमये स्वस्थिराणि उदाहरणानि पुनः पठ, केवलं प्रथमदिनं न।
यदा पूर्वनिर्णयं परिवर्तयसि तदा यत् परिवर्तितं तद् च कारणं लिख।

Task

त्वं च द्वितीयः समीक्षकः च समं चत्वारिंशत् उत्तराणि पूर्णानि वा अपूर्णानि इति चिन्हितवन्तौ। एकः निश्चितः तथ्यसूची तत् निर्णेतुम् अस्ति।

Weak approach यत्र द्वयोः मिलनं जातं तत्र गणना करोति: चत्वारिंशत् मध्ये द्वात्रिंशत्। सहमतिपरिमाणरूपेण शतस्य अष्टाशीतिः तुच्छसङ्ग्रहस्य सह प्रेष्यते। कदापि न पश्यति यदा कदा कश्चन पूर्णं उक्तवान्।

Stronger approach प्रतिवेदनपूर्वं संयोगं निष्कासयति। त्वं च द्वितीयः चत्वारिंशत् मध्ये द्वात्रिंशत् समन्वितौ, यत् 0.80 अस्ति। युष्माभिः द्वाभ्यां च 32 वारं पूर्णं निर्दिष्टम्। केवलं संयोगेन तर्हि 0.8 गुणितं 0.8 च 0.2 गुणितं 0.2 यत् 0.68 भवति। कोहेनस्य कप्पा 0.80 अपि 0.68 अपकर्ष्य 1 अपि 0.68 अपकर्ष्य भागं कृत्वा 0.38 भवति। सः 0.38, चत्वारिंशत् गणना, च युष्माभिः उभयतः उपयुज्यमानानि निश्चितानि उदाहरणानि च सह प्रेषयति।

Why the stronger approach works शते अष्टाशीतिः निश्चिततया पठ्यते। यत्र युष्माभिः उभयतः पञ्च मध्ये चत्वारि पूर्णानि उक्तानि, तत्र अधिकांशं सहमति संयोगेन एव लभ्यते, शेषं च 0.38 अस्ति।

Try a changed situation अधुना त्वं त्रिभिः सायाह्नेभ्यः विद्यालयस्य उत्तरपत्राणां समूहं परीक्षसि। कः नियमः अद्यापि प्रवर्तते?

Make something yourself यत् कार्यं पुनः पुनः कुर्वसि तस्मै त्रयः स्थिराः उदाहरणाः लिख: एकः स्पष्टः सफलः, एकः स्पष्टः विफलः, एकः सीमान्तिकः तेन पठनं यत् त्वया निश्चितम्।

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