இயந்திர மொழிபெயர்ப்பு. ஆங்கிலம் மற்றும் ஹிந்தி மதிப்பாய்வு செய்யப்பட்ட பதிப்புகள்.English हिन्दी
All learning paths Learn See Try Make உங்களுக்கும் மற்றவர்களுக்கும் ஒரே மாதிரியாக இருங்கள் What this lesson is about ஒரே பொருள் நீண்ட தொகுப்பில் எப்படி மாறுகிறது என்பதைப் பாருங்கள். அந்த மாற்றம் தரவுக்கு செல்லும் முன் தங்களை திருத்திக் கொள்ளுங்கள்.
நீண்ட தொகுப்பின் கடைசி நாளில், ஆரம்பத்தில் நீங்கள் குறித்த ஒரு பொருளை மீண்டும் திறக்கிறீர்கள். இப்போது அதை வேறுபடியாக குறிக்க விரும்புகிறீர்கள். என்ன செய்ய வேண்டும்?
A ஒரு பொருள் முழு தொகுப்பை மாற்ற முடியாது என்பதால் இரண்டையும் அப்படியே விடுங்கள். B ஒரே பொருள் திங்கட்கிழமை மற்றும் வெள்ளிக்கிழமை ஒரே லேபிள் பெற வேண்டும். C முந்தைய அனைத்து பொருட்களையும் இப்போது நீங்கள் படிக்கும் முறைக்கு ஏற்ப மாற்றி விடுங்கள்.
Check my recall Why this matters ஒரே உள்ளீடு முதல் நாளிலும் கடைசி நாளிலும் ஒரே லேபிள் பெற வேண்டும். மாற்றம் அமைதியாக நடக்கிறது, அதனால் அது கவனமாக இருப்பதால் அல்ல, நிலையான உதாரணங்களால் பிடிக்கப்படுகிறது.
நீண்ட தொகுப்பில் உங்கள் சொந்த மாற்றத்தை கவனித்து, அது தரவுக்கு செல்லும் முன் மீண்டும் நிலைநிறுத்துங்கள்.
ஒரே உள்ளீடு முதல் நாளிலும் கடைசி நாளிலும் ஒரே லேபிள் பெற வேண்டும். மாற்றம் அமைதியாக நடக்கிறது, அதனால் அது கவனமாக இருப்பதால் அல்ல, நிலையான உதாரணங்களால் பிடிக்கப்படுகிறது.
ஒரே பொருள் திங்கட்கிழமை மற்றும் வெள்ளிக்கிழமை ஒரே லேபிள் பெற வேண்டும். ஒவ்வொரு அமர்வுக்கும் முன் உங்கள் நிலையான உதாரணங்களை மீண்டும் படியுங்கள், முதல் நாளில் மட்டும் அல்ல. பழைய முடிவை மாற்றும்போது, என்ன மாற்றம் ஏற்பட்டது மற்றும் ஏன் என்பதை பதிவு செய்யுங்கள். Task நீங்களும் இன்னொரு மதிப்பாய்வாளரும் அதே நாற்பது பதில்களை முழுமையாக அல்லது முழுமையற்றதாக குறித்தீர்கள். ஒரு நிர்ணயிக்கப்பட்ட உண்மைகள் பட்டியல் அதை தீர்மானிக்கிறது.
Weak approach நீங்களும் அவர் இருவரும் பொருந்திய எண்ணிக்கை: நாற்பதிலிருந்து முப்பத்திரண்டு. அதை நூறில் எண்பதாகக் கொண்டு ஒப்பந்த மதிப்பாக அனுப்புகிறது. நீங்கள் எத்தனை முறை 'முழுமை' என்று கூறினீர்கள் என்பதைக் கவனிக்காது.
Stronger approach அறிக்கையிடுவதற்கு முன் வாய்ப்பை நீக்குகிறது. நீங்கள் நாற்பதிலிருந்து 32-ல் பொருந்தியுள்ளீர்கள், அதாவது 0.80. இருவரும் 32 முறை 'முழுமை' என்று குறித்துள்ளீர்கள். வாய்ப்பு மட்டும் 0.8 x 0.8 மற்றும் 0.2 x 0.2 ஆகும், அதாவது 0.68. Cohen's kappa 0.80 - 0.68, 1 - 0.68 ஆகும்: 0.38. 0.38, 40 எண்ணிக்கை மற்றும் நீங்கள் இருவரும் பயன்படுத்திய நிர்ணயிக்கப்பட்ட எடுத்துக்காட்டுகளை அனுப்புகிறது.
Why the stronger approach works நூறில் எண்பது என்றால் முடிவடைந்தது போல தெரிகிறது. நீங்கள் இருவரும் ஐந்தில் நான்கு 'முழுமை' என்று கூறிய ஒரு தொகுப்பில், வாய்ப்பு பெரும்பாலும் அதை வாங்குகிறது. மீதமுள்ளது 0.38 ஆகும்.
Try a changed situation இப்போது நீங்கள் மூன்று மாலை பள்ளி பதில்கள் தொகுப்பை மதிப்பிடுகிறீர்கள். எந்த விதி இன்னும் பொருந்துகிறது?
Make something yourself நீங்கள் அடிக்கடி செய்யும் பணிக்காக மூன்று நிலையான உதாரணங்களை எழுதுங்கள்: ஒரு தெளிவான கடந்து போவது, ஒரு தெளிவான தோல்வி, மற்றும் நீங்கள் தீர்மானித்த வாசிப்புடன் ஒரு எல்லை நிலை.
Read the primary or official source: Bai et al., Training a Helpful and Harmless Assistant (arXiv)