جن ماڻهن گڏ ڪيو آهي انهن کي ماپيو

What this lesson is about

ٻن گڏ ڪندڙن کي ساڳيا ڏهه شيون ڏيو، جتي اهي مختلف هجن ڳڻيو، ۽ ماڻهوءَ کان اڳ هدايت نامي کي درست ڪريو.

ڪالهه توهان جي سکيايل ٻه ماڻهو پنهنجا پهريان ڏهه ڪلپس ڏين ٿا، ساڳين ڏهه سوالن مان. هاڻي ڇا؟

Why this matters

سکيايل ماڻهو اڃا به ورهائجي وڃن ٿا. هڪ شايع ٿيل مطالعي ۾ ليبارٽري جي پنهنجن محققن ۽ ان جي ادا ڪيل جائچين کي ساڳين مقابلن تي رکيو ويو. اهي تقريباً 63٪ وقت متفق هئا. اهو ئي هڪ هدايت پڙهندڙ ٻن ماڻهن جي عام حالت آهي. توهان بيچ ۾ اهو ٻڌي نٿا سگهو. اهو صرف تڏهن ڏسڻ ۾ اچي ٿو جڏهن ٻن ماڻهن کي ساڳيون شيون ڏنيون وڃن ۽ ڳڻپ ڪئي وڃي.

ٻن گڏ ڪندڙن کي هڪ ٻئي جي مقابلي ۾ ماپيو ۽ جيڪو فرق ظاهر ٿئي ان کي درست ڪريو.

ٻن گڏ ڪندڙن کي ساڳيون ڏهه شيون ڏيو ۽ ڳڻيو ته انهن جا جواب ڪٿي مختلف آهن.
اختلاف کي پهرين هدايت نامي جي غلطي طور پڙهو، پوءِ ماڻهوءَ جي غلطي طور.
بيچ کان اڳ ٻيهر چيڪ ڪرڻ جو حصو ۽ روڪڻ واري لائن ٺيڪ ڪريو، ۽ ٻئي لکيو.

Task

گورکھپور جا ٻه نوان گڏ ڪندڙ ساڳين ڏهه ڀوجپوري سوالن سان پهريون ڏينهن مڪمل ڪن ٿا.

Weak approach ٻنهي سيٽن کي پاڻ ٻڌڻ ۽ فيصلو ڪرڻ ته ٻيو گڏ ڪندڙ پهرين کان ڪمزور آهي. فون تي کيس ٻڌائڻ ته سڀاڻي ننڍن جوابن تي وڌيڪ ڌيان ڏي.

Stronger approach ڏهه شيون هڪ ٻئي جي ڀرسان رکي ڳڻڻ: ٽي تي فرق آهي. انهن ٽن مان ٻه ساڳي غلطي آهن: هڪ لفظ جو جواب جنهن تي ٻنهي کي ٻيهر پڇڻ گهرجي ها، ۽ هدايت نامي ۾ اهو ڪڏهن نه چيو ويو هو. اها لائن مثال سان گڏ هدايت نامي ۾ شامل ڪئي وڃي ٿي. ٽيون واقعي غلطي آهي ۽ ڪلپ سان گڏ واپس موڪلي وڃي ٿي.

Why the stronger approach works ڪمزور اڳواڻ شايد صحيح هجي ته ڪير ڪمزور آهي. پر هو ٽي شين کي ڳڻي نٿو سگهي، ۽ جنهن قاعدي سبب ٻه غلطيون ٿيون، اهو ائين ئي رهي ٿو.

Try a changed situation هاڻي ساڳيا ٻه ماڻهو ٻڌل ڳالهه لکي رهيا آهن، ۽ هڪ ڪلپ جون ٻنهي فائلون ميل نٿيون کائين. توهان ڇا ڏسندا؟

Make something yourself ٻن ماڻهن کي پنهنجي گڏ ڪيل ساڳيون ڏهه شيون ڏيو. ٻڌايو ته اهي ڪٿي مختلف ٿيا، ڪهڙو فرق هدايت نامي جي غلطي هئي، ۽ ان ڪري هدايت نامي ۾ ڪهڙي لائن شامل ڪئي.

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