இயந்திர மொழிபெயர்ப்பு. ஆங்கிலம் மற்றும் ஹிந்தி மதிப்பாய்வு செய்யப்பட்ட பதிப்புகள்.English हिन्दी

Learn
See
Try
Make

தங்கப் பொருட்கள், மற்றும் உங்கள் வரிசை ஏன் நிற்கிறது

What this lesson is about

உங்கள் தொகுப்பில் சில பொருட்களுக்கு முன்கூட்டியே தீர்மானிக்கப்பட்ட பதில் உள்ளது. அவற்றுடன் நீங்கள் எவ்வாறு ஒப்புக்கொள்கிறீர்கள் என்பது வேலை தொடருமா என்பதை தீர்மானிக்கும்.

இன்றைய 40 வேலை பொருட்களில் 6 பொருட்கள் குழு முன்கூட்டியே தீர்மானித்தவை. அவை எவை என்று யாரும் சொல்லவில்லை. என்ன மாறும்?

Why this matters

திட்டங்கள் பதில்கள் முன்கூட்டியே தீர்மானிக்கப்பட்ட பொருட்களை மறைத்து வைக்கின்றன மற்றும் அவற்றில் உங்களை மதிப்பீடு செய்கின்றன. அவை எவை என்பதை கூறவில்லை. ஒரு வெளியிடப்பட்ட திட்டம் இதேபோல் மதிப்பீடு செய்தது. பயிற்சியிலிருந்து வெளியே வைத்த மதிப்பாய்வாளர்கள் 100-ல் சுமார் 77 முறைகள் ஒப்புக்கொண்டனர். யாரும் 100-ல் 100 முறையும் ஒப்புக்கொள்ள முடியாது, மேலும் எந்த வரம்பும் அதை கோரவில்லை.

நீங்கள் வேலை செய்யும் போது தளம் என்ன அளவிடுகிறது மற்றும் உங்கள் வரிசை நிறுத்தப்பட்டால் என்ன செய்ய வேண்டும் என்பதை அறியுங்கள்.

ஒரு தங்கப் பொருள் என்பது நீங்கள் பார்த்ததற்கு முன்பே திட்டம் தீர்மானித்த முடிவைக் கொண்டது.
வரிசை நிறுத்தம் என்பது வழிகாட்டி குறித்த செய்தி, உங்களைப் பற்றி தீர்ப்பு அல்ல.
அடுத்த தொகுப்பை தொடுவதற்கு முன் நீங்கள் தவறவிட்ட தங்கப் பொருட்களை கேளுங்கள்.

Task

செவ்வாய்க்கிழமை உங்கள் வேலை நிறுத்தப்பட்டது. செய்தி கூறுகிறது, மறைவு சரிபார்க்கப்பட்ட பொருட்களில் உங்கள் மதிப்பெண் 100-ல் 62 ஆக குறைந்துள்ளது. இந்த திட்டத்தின் வரம்பு 80 ஆகும்.

Weak approach அதே இரவில் புதிய தொகுப்பை திறந்து இரட்டிப்பு வேகத்தில் வேலை செய்கிறார். எளிதாக தோன்றும் பொருட்களை முதலில் எடுத்துக் கொண்டு சந்தேகமானவற்றை பிறகு விட்டு விடுகிறார்.

Stronger approach வேலை நிறுத்துகிறார். தவறான எட்டு சரிபார்க்கப்பட்ட பொருட்களை கேட்கிறார். அவற்றில் ஆறு ஒரே வகை. பயனர் முதல் சுற்றில் ஹிந்தி கேட்டார், பதில் ஆங்கிலத்தில் வந்தது. அந்த வழிகாட்டி பக்கத்தை மீண்டும் படித்து அடுத்த தொகுப்பை திறக்கிறார்.

Why the stronger approach works நிறுத்தத்துக்குப் பிறகு வேகமாக வேலை செய்வது மதிப்பீட்டை தவறான திசையில் நகர்த்துகிறது. எட்டு தவறுகளில் ஆறு ஒரே காரணம் கொண்டவை, அது வழிகாட்டியின் ஒரு பக்கத்தில் உள்ளது.

Try a changed situation இந்த வாரம் இரண்டு ஆர்டர்கள் தவறாக குறிக்கப்பட்டதால் டெலிவரி செயலி உங்கள் கணக்கை மதிப்பாய்வுக்கு எடுத்துள்ளது. முதலில் என்ன செய்வீர்கள்?

Make something yourself நீங்கள் தோல்வியடைந்த ஒரு சரிபார்ப்பின் ஒரு பக்கத்தை எழுதுங்கள், வேலை அல்லது தேர்வில். என்ன அளவிடப்பட்டது என்று பெயரிடுங்கள். நீங்கள் மீண்டும் என்ன படித்தீர்கள் மற்றும் பின்னர் கேட்ட ஒரு கேள்வி என்ன என்பதை கூறுங்கள்.

Read the primary or official source: Ouyang et al., Training language models to follow instructions (arXiv)