किमर्थं इनाम्-मॉडलः

What this lesson is about

यत् चिन्हितद्वयैः निर्मीयते तद् पश्यतु: एकः स्कोररः, यः तव क्रमात् शिक्षते, न तु यथार्थोत्तरात्।

तव अष्टशतं चिन्हितद्वयस्य समूहः सोमवासरे प्रयोगशालां गच्छति। सहकर्मिणः पृच्छति यत् तत्र किम् निर्मीयते।

Why this matters

प्रकाशिते सारांशे एषः रूपः दृश्यते। चिन्हितद्वयैः स्कोररः शिक्ष्यते, च मॉडलः तेन सुधार्यते। अतः तव द्वयं न तादृशं उत्तरं यत् मॉडलः अनुकरोति। एषः स्कोररस्य स्वाध्यायस्य एकः पङ्क्तिः अस्ति, च अनन्तरं मॉडलः तं स्कोररं तुष्टुम् प्रेर्यते।

वद यत् इनाम्-मॉडलः किम्, तेन किम् शिक्ष्यते, च एकं चिन्हितं द्वयं किं भवति।

इनाम्-मॉडलः स्कोररः अस्ति, यः तव द्वयैः शिक्षते, न तु यथार्थोत्तरैः।
एकं द्वयं केवलं क्रमं शिक्षयति: एषः उत्तरः तस्मात् उत्तरोत्तरः, तस्मिन् प्रश्ने।
मॉडलः अनन्तरं तं स्कोरं वृद्धुम् प्रेर्यते, अतः दुर्बलः स्कोररः दुर्बलाः स्वभावाः शिक्षयति।

Task

आरोग्यस्य उत्तराणां अष्टशतं चिन्हितद्वयः शिक्षणाय प्रेष्यन्ते। वद एकस्य द्वयस्य किं भवति।

Weak approach वदति यत् प्रत्येकं चयनितं उत्तरं मॉडलाय शिक्षणदृष्टान्तं भवति। अष्टशतं द्वयः अष्टशतं आदर्शोत्तराणि इव पठ्यन्ते, यानि मॉडलः अनुकरोति।

Stronger approach वदति यत् प्रत्येकं द्वयं स्कोररस्य तुलनां भवति। स्कोररः शिक्षते यत् एकः उत्तरः अन्यतः श्रेष्ठतरः। अनन्तरं मॉडलः तं स्कोरं वृद्धुम् प्रेर्यते।

Why the stronger approach works दुर्बलः अर्थः चयनितं उत्तरं अनुकरणीयं आदर्शोत्तरं इव कुर्वन्। द्वयं क्रमं वहति, न तु शब्दान्।

Try a changed situation दुकानपरीक्षणदलः मराठी-द्वयेषु चिन्हानि स्थापयति। तस्य स्कोररः दीर्घतरं उत्तरं प्रायः शीर्षे स्थापयति।

Make something yourself अस्मिन्सप्ताहे त्वया चिन्हितं एकं द्वयं गृह्णीहि। लिख तं यत् स्कोररः तस्मात् शिक्षते, च एकं यत् न शिक्षितुं शक्नोति।

Read the primary or official source: Stiennon et al., Learning to summarize from human feedback (arXiv)