All learning paths Learn See Try Make جواب لکو جنهن سان ٻيا ماپيا وڃن ٿا What this lesson is about حوالا جواب پاڻ لکو، ڪنهن ٻئي جي فيصلي نه. اهو پڇيل معاملو طئي ڪري ٿو، پنهنجا قدم ڏيکاري ٿو، ۽ جتي رد ڪرڻ صحيح آهي اتي رد ڪري ٿو.
توهان هڪ دڪاندار لاءِ سونهري جواب لکي رهيا آهيو جنهن کان پڇيو ويو آهي ته ڇا ڪٽيل ڪپڙو واپس ٿي سگهي ٿو. پهريون ڇا لکندؤ؟
A جيئن مڪمل جواب ٿي سگهي لکو، جنهن ۾ دڪان جي هر قسم جي واپسي شامل هجي. B لکو ته هڪ سٺو دڪان هن خريدار لاءِ ڇا ڪرڻ گهرجي، ۽ دڪان جو قانون شامل نه ڪريو. C سونهري جواب اهو معاملو طئي ڪري ٿو جيڪو پڇيو ويو آهي، نه اهو جيڪو توهان چاهيو ٿا ته پڇيو وڃي.
Check my recall Why this matters گهڻا منصوبا ڪنهن ٻئي جي جواب تي مارڪ نه ڏين، پر پاڻ سونهري جواب خريد ڪن ٿا. انساني فيڊ بيڪ سان سکيا واري شايع ٿيل ڪم ۾، ماڻهن پهريان گهربل جواب لکيو. مارڪ ڏيڻ جو مرحلو پوءِ آيو. نرم حوالا جواب هر ان مارڪ کي نرم ڪري ٿو جيڪو ان تي ٺهيل آهي.
حوالا جواب لکو جنهن سان هر بعد ۾ ڏنل مارڪ ماپيا وڃن.
گهڻا منصوبا ڪنهن ٻئي جي جواب تي مارڪ نه ڏين، پر پاڻ سونهري جواب خريد ڪن ٿا. انساني فيڊ بيڪ سان سکيا واري شايع ٿيل ڪم ۾، ماڻهن پهريان گهربل جواب لکيو. مارڪ ڏيڻ جو مرحلو پوءِ آيو. نرم حوالا جواب هر ان مارڪ کي نرم ڪري ٿو جيڪو ان تي ٺهيل آهي.
سونهري جواب اهو معاملو طئي ڪري ٿو جيڪو پڇيو ويو آهي، نه اهو جيڪو توهان چاهيو ٿا ته پڇيو وڃي. هر قدم ڏيکاريو جيڪو مارڪ ڏيندڙ کي جانچڻو آهي، جنهن ۾ توهان جي ذهن ۾ ٿيل ڪم به شامل آهي. جتي سچو جواب 'نه' آهي، اتي سونهري جواب 'نه' چوي ٿو ۽ ٻڌائي ٿو ته ڪهڙي ڳالهه تي. Task ڪپڙي جي هول سيلر جو گراهڪ واپسي بابت لکي ٿو. هن 2 سيپٽمبر تي چاليهه ميٽر خريد ڪيا هئا، جن مان ڇهه ميٽر هن جي ماپ مطابق ڪٽيا ويا هئا. هاڻي هو اٺ ميٽر واپس ڪرڻ چاهي ٿو.
Weak approach جواب ۾ چيو ويو آهي ته غير استعمال ٿيل سامان پندرهن ڏينهن اندر واپس ٿيندو آهي، ۽ بل آڻڻ لاءِ چيو ويو آهي. دڪان جي خريدارن جي خيال بابت هڪ لائن شامل ڪئي وئي آهي. ڪٽيل ڪپڙي جو ذڪر ڪٿي به ناهي.
Stronger approach لکي ٿو ته پندرهن ڏينهن 2 سيپٽمبر کان هلن ٿا، تنهنڪري 17 سيپٽمبر آخري ڏينهن آهي. ڇهه ڪٽيل ميٽر واپس نٿا ٿي سگهن، ۽ ڇو. پوءِ جيڪو کليل آهي اهو ٻڌائي ٿو: غير ڪٽيل ميٽر ساڳئي بل تي مٽائي سگهجن ٿا. آخر ۾ گراهڪ کي ٻڌائي ٿو ته ڇا آڻڻ ضروري آهي.
Why the stronger approach works ٻئي جواب شائسته آهن ۽ ڪو به ڪوڙ نٿو چوي. صرف هڪ جواب هن گراهڪ جو معاملو طئي ڪري ٿو، ۽ مارڪ ڏيندڙ ان لائن کي ڏيکاري سگهي ٿو جنهن فيصلي ۾ مدد ڪئي.
Try a changed situation هاڻي جيڪو سونهري جواب توهان لکي رهيا آهيو اهو ڪلاس 8 جي رياضي جو سوال آهي جنهن ۾ رعايت آهي. ان ۾ ڇا هجڻ ضروري آهي؟
Make something yourself پنهنجي ڄاڻيل ڪاروبار ۾ گراهڪ جو اصل سوال وٺو. ان لاءِ سونهري جواب لکو. پوءِ ٽي لائنون لکو ته مارڪ ڏيندڙ کي ڪهڙين ڳالهين تي نشان گهٽائڻ گهرجن.
Read the primary or official source: Ouyang et al., Training language models to follow instructions (arXiv)