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

Learn
See
Try
Make

ஒரு பதிலை அல்ல, உரையாடலை மதிப்பாய்வு செய்யுங்கள்

What this lesson is about

ஒரு பதிலை, உரையாடலில் ஏற்கனவே தீர்மானிக்கப்பட்டதைப் பொருத்து மதிப்பாய்வு செய்யுங்கள். பயனரின் வரம்புகள், அவர்களது திருத்தங்கள் மற்றும் அவர்கள் தேர்ந்தெடுத்த மொழி ஆகியவை.

முதல் சுற்றில் ஒரு வாடிக்கையாளர் ஹிந்தியை கேட்டார். நான்காவது சுற்று சரியான தகவல்களுடன் தட்டையான ஆங்கிலத்தில் உள்ளது. நான்காவது சுற்றுக்கு நீங்கள் எப்படி மதிப்பீடு செய்வீர்கள்?

Why this matters

ஒரே பதிலை மதிப்பாய்வு செய்வது, பயனர் மூன்று முறை முன்பு கேட்டதை அமைதியாக விட்டு விடும் உரையாடல்களை அனுமதிக்கிறது.

ஒவ்வொரு பதிலையும் உரையாடலில் ஏற்கனவே தீர்மானிக்கப்பட்ட கட்டுப்பாடுகள், திருத்தங்கள் மற்றும் உண்மைகளுக்கு எதிராக மதிப்பாய்வு செய்யுங்கள்.

ஒரு நிலையான வழிமுறை பயனர் மாற்றம் செய்யும் வரை நிலைத்திருக்கிறது.
ஒவ்வொரு பதிலையும் தனக்கே அல்லாமல் முன் முறைச்சுழற்சிகளுடன் ஒப்பிட்டு சரிபார்க்கவும்.
உரையாடல் முதன்முறையாக உடைந்த இடத்தை குறிக்கவும், கடைசியை அல்ல.

Task

ஒரு ஸ்காலர்ஷிப் படிவத்தைப் பற்றி நான்கு முறை உரையாடல். முதல் முறையில் பயனர் ஹிந்தி கேட்டார். மூன்றாவது முறையில் அவர் கடைசி தேதியை திருத்தினார், உதவியாளர் அதை ஏற்றுக் கொண்டார்.

Weak approach நான்காவது முறையை திறக்கிறது, அதில் உள்ள தகவல்களை அறிவிப்புடன் ஒப்பிட்டு சரியானதாக கண்டுபிடித்து அதை ஒப்புக்கொள்கிறது. முதல் முறை மூன்று திரைகள் மேலே உள்ளது மற்றும் அதற்கு திரும்பி செல்லப்படவில்லை.

Stronger approach முதல் முதல் நான்காவது முறைகள் வரிசையாக வாசித்து ஒவ்வொன்றும் என்ன முன்னெடுக்க வேண்டும் என்று எழுதுகிறது. நான்காவது முறை திருத்திய தேதியை மீண்டும் கூறுகிறது, அது சரியானது, மற்றும் பதிலை ஆங்கிலத்தில் அளிக்கிறது, இது முதல் முறை மறுத்தது. நான்காவது முறையை இடைவெளியாகக் குறிக்கிறது மற்றும் முதல் முறையின் வரியை மேற்கோள் செய்கிறது.

Why the stronger approach works இரு மதிப்பீடுகளிலும் நான்காவது முறையின் தகவல்கள் சரியாக இருந்தன. அது விட்டுவிட்ட அறிவுறுத்தல் மூன்று திரைகள் மேலே இருந்தது, மற்றும் அதை மட்டும் முதல் முறையிலிருந்து வாசித்த மதிப்பாய்வாளர் கண்டார்.

Try a changed situation இப்போது நீங்கள் உரையாடலை அல்ல, AI உதவியாளரின் கருவி படிகளை மதிப்பாய்வு செய்கிறீர்கள். எந்த விதி இன்னும் பொருந்தும்?

Make something yourself உங்கள் உதவியாளருடன் நடந்த நான்கு முறை உரையாடலை எடுத்துக் கொள்ளுங்கள். ஒவ்வொரு முறைக்கும், அது முன் முறையிலிருந்து எதை தொடர வேண்டும் என்று எழுதுங்கள். பிறகு அது தொடர்ந்ததா என்று கூறுங்கள்.

Read the primary or official source: Anthropic HH-RLHF