কি স্থল সত্য?

মেশিন লার্নিং মডেলের প্রশিক্ষণ বা মূল্যায়ন করতে ব্যবহৃত মানব-সংযোজিত লেবেল বা মেটাডেটা।

ভাষা মডেলে ধাপে ধাপে যুক্তি মূল্যায়ন করতে ব্যবহৃত গ্রেড-স্কুল গণিত শব্দ সমস্যার একটি বেঞ্চমার্ক।

একটি সাধারণ রেফারেন্স মডেল তুলনা করার জন্য ব্যবহৃত হয় যে আরও জটিল পদ্ধতিগুলি আসলে ফলাফলগুলিকে উন্নত করে কিনা।

একটি সাধারণ উদ্দেশ্য ফাংশন ভুল সম্ভাব্যতাকে শাস্তি দিয়ে শ্রেণিবিন্যাসের মডেলকে প্রশিক্ষণ দিতে ব্যবহৃত হয়।

একটি মডেল যা পছন্দের সংকেতের উপর ভিত্তি করে আউটপুট স্কোর করে, প্রায়শই RLHF পাইপলাইনে ব্যবহৃত হয়।

পরিচ্ছন্ন লেবেলের অভাব হলে মডেলদের প্রশিক্ষণ দিতে শোরগোল, হিউরিস্টিক বা আংশিক লেবেল ব্যবহার করা।