پنهنجي ۽ ٻين سان هم آهنگ رهو

What this lesson is about

ڏسو ڪيئن هڪ ئي شيءِ ڊگهي ڪم ۾ ڦري ٿي. ڊيٽا تائين پهچڻ کان اڳ پاڻ کي واپس آڻيو.

هڪ ڊگهي بيچ جي آخري ڏينهن تي توهان هڪ شيءِ ٻيهر کوليو جيڪا شروعات ۾ نشان لڳائي هئي. هاڻي توهان ان کي مختلف نشان لڳائيندا. هاڻي ڇا ڪجي؟

Why this matters

ساڳئي ان پٽ کي پهرين ۽ آخري ڏينهن ساڳيو ليبل ملڻ گهرجي. ڦرڻ چپ چاپ ٿئي ٿو، تنهنڪري اهو لنگر ذريعي پڪڙجي ٿو، نه ته صرف احتياط ڪرڻ جي احساس سان.

پنهنجي ڦرڻ کي ڊگهي ڪم ۾ محسوس ڪريو ۽ ڊيٽا تائين پهچڻ کان اڳ پاڻ کي ٻيهر درست ڪريو.

ساڳئي شيءِ کي سومر ۽ جمعي تي ساڳيو ليبل ملڻ گهرجي.
هر ويهڻ کان اڳ پنهنجا مقرر ڪيل مثال ٻيهر پڙهو، صرف پهرين ڏينهن نه.
جيڪڏهن توهان پراڻو فيصلو تبديل ڪريو ٿا ته لکڻ گهرجي ڇا ۽ ڇو تبديل ٿيو.

Task

توهان ۽ ٻيو جائزو وٺندڙ ساڳيا چاليهه جواب مڪمل يا اڌورا نشان لڳايا. هڪ مقرر حقيقتن جي فهرست اهو فيصلو ڪري ٿي.

Weak approach ڳڻپ ڪري ٿو جتي توهان ٻنهي ملهايو: چاليهه مان ٻٽيهه. بيچ سان گڏ اٺاسي سيڪڙو موڪلي ٿو، جيئن معاهدي جو انگ. ڪڏهن به نه ڏسي ٿو ته توهان ٻنهي ڪيترا ڀيرا مڪمل چيو.

Stronger approach رپورٽ ڪرڻ کان اڳ موقعو ڪڍي ٿو. توهان ٻنهي چاليهه مان ٻٽيهه تي ملهايو، جيڪو 0.80 آهي. هر هڪ توهان مان 32 ڀيرا مڪمل چيو. صرف موقعو پوءِ ڏئي ٿو 0.8 x 0.8 ۽ 0.2 x 0.2، جيڪو 0.68 آهي. ڪوهن جو ڪاپا آهي 0.80 مان 0.68 ڪڍي، 1 مان 0.68 ڪڍي ورهايو: 0.38. 0.38، 40 جي ڳڻپ، ۽ مقرر مثال جيڪي توهان ٻنهي استعمال ڪيا، گڏ موڪلي ٿو.

Why the stronger approach works سئو ۾ اٺاسي ٻڌڻ ۾ طئي ٿيل لڳي ٿو. اهڙي بيچ ۾ جتي توهان ٻنهي پنج مان چار کي مڪمل چيو، اڪثر معاهدو موقعو ئي خريد ڪري ٿو، ۽ بچيل آهي 0.38.

Try a changed situation هاڻي توهان ٽي راتين ۾ اسڪول جي جوابن جا پتا لڳائي رهيا آهيو. ڪهڙو اصول اڃا لاڳو آهي؟

Make something yourself جيڪو ڪم توهان بار بار ڪندا آهيو، ان لاءِ ٽي مقرر ڪيل مثال لکو: هڪ صاف پاس، هڪ صاف ناڪام، ۽ هڪ سرحدي ڪيس جنهن پڙهائي جو توهان فيصلو ڪيو آهي.

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