وہ جواب لکھیں جس کے خلاف دوسروں کی درجہ بندی ہو

What this lesson is about

حوالہ جواب خود لکھیں، کسی اور کے جواب پر فیصلہ نہیں کریں۔ یہ پوچھے گئے مسئلے کو حل کرتا ہے، اپنے مراحل دکھاتا ہے، اور جہاں انکار کرنا درست ہو وہاں انکار کرتا ہے۔

آپ ایک دکاندار کے لیے حوالہ جواب لکھ رہے ہیں جس سے پوچھا گیا ہے کہ کیا کٹا ہوا کپڑا واپس لیا جا سکتا ہے۔ سب سے پہلے کیا لکھیں گے؟

Why this matters

بہت سے منصوبے خود مثالی جواب خریدتے ہیں، نہ کہ کسی اور کے جواب کی درجہ بندی۔ انسانی فیڈبیک سے تربیت کے شائع شدہ کاموں میں پہلے مطلوبہ جواب لکھا جاتا ہے، پھر درجہ بندی کی جاتی ہے۔ نرم حوالہ جواب اس پر مبنی ہر درجہ بندی کو نرم بنا دیتا ہے۔

وہ حوالہ جواب لکھیں جس کے خلاف بعد میں دی جانے والی ہر درجہ بندی کی جائے گی۔

حوالہ جواب وہی مسئلہ حل کرتا ہے جو پوچھا گیا ہے، نہ کہ وہ جو آپ چاہتے ہیں کہ پوچھا جاتا۔
ہر وہ قدم دکھائیں جسے درجہ دینے والے کو چیک کرنا ہو، بشمول وہ حساب جو آپ ذہن میں کرتے ہیں۔
جہاں ایماندار جواب 'نہیں' ہو، حوالہ جواب 'نہیں' کہتا ہے اور بتاتا ہے کس بنیاد پر۔

Task

کپڑے کے تھوک فروش کا گاہک واپسی کے بارے میں لکھتا ہے۔ اس نے 2 ستمبر کو چالیس میٹر خریدا تھا، اور چھ میٹر اس کی ماپ کے مطابق کٹے ہوئے تھے۔ وہ آٹھ میٹر واپس کرنا چاہتا ہے۔

Weak approach جواب میں کہا گیا کہ بغیر استعمال کا مال پندرہ دن میں واپس لیا جاتا ہے اور بل لانے کو کہا گیا ہے۔ دکان کی گاہکوں کی قدر پر ایک لائن شامل کی گئی ہے۔ کٹے ہوئے کپڑے کا ذکر نہیں ہے۔

Stronger approach بتاتا ہے کہ پندرہ دن 2 ستمبر سے شمار ہوں گے، یعنی 17 ستمبر آخری دن ہے۔ کہتا ہے کہ کٹے ہوئے چھ میٹر واپس نہیں لیے جا سکتے اور کیوں۔ پھر بتاتا ہے جو باقی ہے: بغیر کٹے کپڑے کو اسی بل کے بدلے بدلا جا سکتا ہے۔ آخر میں گاہک کو بتاتا ہے کہ کیا لانا ہوگا۔

Why the stronger approach works دونوں جوابات مہذب ہیں اور کوئی جھوٹ نہیں بولتے۔ صرف ایک جواب اس گاہک کا مسئلہ حل کرتا ہے، اور درجہ دینے والا اس لائن کی نشاندہی کر سکتا ہے جس نے فیصلہ کیا۔

Try a changed situation آپ جو حوالہ جواب اب لکھ رہے ہیں وہ کلاس 8 کے ریاضی کے سوال پر ہے جو ڈسکاؤنٹ کے بارے میں ہے۔ اس میں کیا ہونا ضروری ہے؟

Make something yourself اپنے جاننے والے کاروبار میں کوئی ایسا سوال لیں جو گاہک واقعی پوچھتے ہیں۔ اس کا حوالہ جواب لکھیں۔ پھر تین سطریں لکھیں کہ درجہ دینے والے کو کن باتوں پر نمبر کم کرنے چاہئیں۔

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