Skip to lesson

यन्त्रानुवादः। आङ्ग्लं च हिन्दी च समीक्षिताः संस्करणाः सन्ति।Englishहिन्दी

  1. Learn
  2. See
  3. Try
  4. Make

यत्र तव चिह्नानि गच्छन्ति

What this lesson is about

तव स्क्रीनात् एकं मूल्याङ्कन-बैचं प्रशिक्षण-प्रवृत्तौ अनुगच्छ, च मार्गे यानि परीक्षणानि तानि ज्ञातुम्।

त्वं शुक्रवासरे द्विशतं पङ्क्तीनि समाप्तवान्, च प्रेषयति। तव भ्राता पृच्छति किम् तस्मिन् सायं मॉडलः परिवर्तते।

Why this matters

प्रकाशितः सहायक-प्रवृत्तिः स्पष्टतया चक्रं वर्णयति। बैचानि समाहृतानि, किञ्चित् पृथक् रक्षितम्, मॉडलः अभ्यसितः, नूतनानि बैचानि परिवर्तिते मॉडलि आगताः। द्वे वस्तु द्वितीयकाले विश्वासार्हतां निर्णेतुं आवश्यके। पृथक् रक्षितं सङ्ग्रहं — यत् मॉडलः कदापि न अभ्यसितवान् — मरम्मत्सु न पठितव्यं। च प्रत्येकं बैचं कः तं अंकितवान् च कदा इति वहति।

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