యంత్ర అనువాదం. ఆంగ్లం మరియు హిందీ సమీక్షించిన వెర్షన్లు.English हिन्दी

1 section shows the reviewed English text because a తెలుగు translation was not available for it.

Learn
See
Try
Make

ఉదాహరణలు మరియు SFT

What this lesson is about

ఎలా జాగ్రత్తగా రాసిన ఉదాహరణలు ఒక మోడల్‌కు సమాధానం ఎలా ఉండాలో నేర్పిస్తాయో చూడండి.

ఒక పని మూడు సంఖ్యాబద్ధమైన దశలను అడుగుతుంది, మీ ఉదాహరణ ఒక చక్కని చిన్న పేరాగ్రాఫ్‌గా ఉంది. మీరు ఏమి మార్చాలి?

Why this matters

మోడల్ ఉదాహరణల నుండి నేర్చుకుంటుంది, ఆ ఉదాహరణలు స్పష్టంగా సూచనను అనుసరిస్తే మాత్రమే.

See what makes a worked example useful for supervised fine-tuning.

అనురోధించిన ఫార్మాట్‌ను ఖచ్చితంగా పాటించండి.
అవసరమైన భద్రతా మరియు విషయ పరిమితులను చేర్చండి.
మీరు ఉద్దేశించని నమూనాలను నివారించండి, అవి మోడల్ కాపీ చేయవచ్చు.

Task

సూచన: కస్టమర్ రాసిన భాషలో, రెండు పంక్తులలో స్పందించండి, రిటర్న్ విండోను పేర్కొనండి.

Weak approach హిందీలో వచ్చిన సందేశానికి ఇంగ్లీష్‌లో మూడు పంక్తుల స్నేహపూర్వక స్పందన రాస్తుంది. రిటర్న్ విండోని పేర్కొనడం వల్ల కంటెంట్ నియమం పాటించబడుతుంది. ఈ రచయిత రాసిన ప్రతి ఉదాహరణ ఇప్పుడు అదే క్షమాపణతో మొదలవుతుంది, మోడల్ ఆ ప్రారంభాన్ని కాపీ చేస్తుంది.

Stronger approach రెండు పంక్తులు, హిందీలో ఎందుకంటే కస్టమర్ హిందీలో రాశారు, పద్నాలుగు రోజుల విండోని పేర్కొంటుంది. క్షమాపణ లేదు, ఎందుకంటే సూచనలో అది అడగలేదు.

Why the stronger approach works రెండు స్పందనలు కంటెంట్ నియమాన్ని పాటిస్తాయి. బలహీనది రెండు అదనపు విషయాలు నేర్పిస్తుంది, అవి ఎవరూ అడగలేదు: ఇంగ్లీష్‌లో జవాబు ఇవ్వడం, మరియు క్షమాపణతో ప్రారంభించడం.

Try a changed situation ఉదాహరణ ఇప్పుడు ఒక మాట్లాడే స్క్రిప్ట్, ఇది ఒక కుటుంబానికి తాగునీటిని ఎలా నిల్వ చేయాలో చెబుతుంది. దాంట్లో ఏమి ఉండాలి?

Make something yourself కఠినంగా పరిమితమైన సూచనకు ఒక ఉదాహరణ రాయండి. ఆ తర్వాత అది ఏం నేర్పిస్తుందో జాబితా చేయండి.

Read the primary or official source: OpenAI InstructGPT