Skip to lesson

యంత్ర అనువాదం. ఆంగ్లం మరియు హిందీ సమీక్షించిన వెర్షన్లు.Englishहिन्दी

  1. Learn
  2. See
  3. Try
  4. Make

గోల్డ్ అంశాలు, మరియు మీ క్యూయు ఎందుకు ఆగుతుంది

What this lesson is about

మీ బ్యాచ్‌లో కొన్ని అంశాలకు ముందే నిర్ణయించబడిన సమాధానం ఉంటుంది. మీరు వాటితో ఎలా అంగీకరిస్తారో, ఆ పని కొనసాగుతుందో లేదో నిర్ణయిస్తుంది.

ఈ రోజు 40 అంశాలలో 6 అంశాలను టీమ్ ముందే నిర్ణయించింది. ఆ ఆరు ఏవో ఎవరు చెప్పరు. ఏమి మారుతుంది?

Why this matters

ప్రాజెక్టులు కొన్ని అంశాలను దాచిపెడతాయి, వాటి సమాధానం ముందే నిర్ణయించబడింది, వాటిపై మీ స్కోరింగ్ చేస్తాయి. అవి ఏవి అనేది చెప్పవు. ఒక ప్రచురించిన ప్రాజెక్ట్ తన సమీక్షకులను ఇలానే కొలిచింది. శిక్షణకు బయట ఉన్న సమీక్షకులు 100లో సుమారు 77 సార్లు ఒకే అభిప్రాయం కలిగి ఉన్నారు. 100లో 100 సార్లు ఎవ్వరూ అంగీకరించరు, మరియు అలాంటి పరిమితి కూడా లేదు.

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