മോഡൽ സ്പെക്കിനോടുള്ള ഞങ്ങളുടെ സമീപനത്തിനുള്ളില്‍ നിന്ന് നോക്കുമ്പോള്‍

OpenAI-ൽ, ഞങ്ങൾ AI നീതിയുക്തവും സുരക്ഷിതവും സ്വതന്ത്രമായി ലഭ്യവുമാകണം എന്ന് വിശ്വസിക്കുന്നു. ഇതുവഴി കൂടുതൽ ആളുകൾക്ക് കഠിനമായ പ്രശ്നങ്ങൾ പരിഹരിക്കാനും അവസരങ്ങൾ സൃഷ്ടിക്കാനും ഹെൽത്ത്, ശാസ്ത്ര, വിദ്യാഭ്യാസ, തൊഴിൽ, ദൈനംദിന ജീവിതം തുടങ്ങിയ മേഖലകളിൽ പ്രയോജനം നേടാനും കഴിയും. AI-യിലേക്കുള്ള ജനാധിപത്യവൽക്കരിച്ച പ്രവേശനമാണ് മുന്നോട്ട് പോകാനുള്ള ഏറ്റവും നല്ല പാതയെന്ന് ഞങ്ങൾ വിശ്വസിക്കുന്നു. അതിന്റെ പ്രയോജനങ്ങളും നിയന്ത്രണവും കുറച്ച് പേരുടെ കൈകളിൽ മാത്രം കേന്ദ്രീകരിച്ചിരിക്കുകയല്ല. മറിച്ച് കൂടുതൽ ആളുകൾക്ക് പ്രാപ്യമാകുകയും മനസ്സിലാക്കുകയും അതിന്റെ രൂപീകരണത്തിൽ പങ്കാളികളാകുകയും ചെയ്യാനാകുന്ന AI ആണ് വേണ്ടത്.

അതാണ്‌ OpenAI മോഡൽ സ്പെക് നിലവില്‍ വരാനുള്ള പ്രധാന കാരണങ്ങളിലൊന്ന്. മോഡൽ സ്പെക്⁠(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) മോഡൽ പെരുമാറ്റത്തിനായുള്ള ഞങ്ങളുടെ ഔപചാരിക ചട്ടക്കൂടാണ്. ഉപയോക്താക്കൾ ദിവസേന അവയോട് ചോദിക്കുന്ന അതീവ വിപുലമായ ചോദ്യങ്ങളുടെ പരിധിയിലുടനീളം, മോഡലുകൾ നിർദ്ദേശങ്ങൾ എങ്ങനെ പാലിക്കണം, സംഘർഷങ്ങൾ എങ്ങനെ പരിഹരിക്കണം, ഉപയോക്താവിന്റെ സ്വാതന്ത്ര്യത്തെ എങ്ങനെ മാനിക്കണം, സുരക്ഷിതമായി എങ്ങനെ പെരുമാറണം എന്നിവയെല്ലാം ഇത് നിർവചിക്കുന്നു. കൂടുതൽ വ്യാപകമായി നോക്കുമ്പോൾ, മോഡലില്‍ ഉദ്ദേശിച്ചിരിക്കുന്ന പെരുമാറ്റം വ്യക്തമാക്കാനുള്ള ഞങ്ങളുടെ ശ്രമമാണിത്: ഞങ്ങളുടെ പരിശീലന പ്രക്രിയയ്ക്കുള്ളിൽ മാത്രമല്ല, ഉപയോക്താക്കൾക്കും, ഡെവലപ്പർമാർക്കും, ഗവേഷകർക്കും, നയനിർമ്മാതാക്കൾക്കും, വിപുലമായ അര്‍ത്ഥത്തില്‍ പൊതുജനങ്ങൾക്കും യഥാർത്ഥത്തിൽ വായിക്കാനും, പരിശോധിക്കാനും, ചർച്ച ചെയ്യാനും കഴിയുന്ന ഒരു രൂപത്തില്‍ എത്താനുള്ള ശ്രമം.

മോഡൽ സ്പെക് എന്നത് ഞങ്ങളുടെ മോഡലുകൾ ഇന്നുതന്നെ ഈ രീതിയിൽ പൂർണ്ണമായി പെരുമാറുന്നു എന്ന അവകാശവാദമല്ല. പല രീതികളിലും നോക്കുമ്പോള്‍, ഇത് വിവരണാത്മകമാണ്, എന്നാൽ മോഡൽ പെരുമാറ്റം ഏത് ലക്ഷ്യത്തിലേക്ക് എത്തണമെന്ന് ഞങ്ങൾ ആഗ്രഹിക്കുന്നുവോ, ആ ദിശയിലേക്കുള്ള ഒരു യാത്രയാണ് ഇത്. ലക്ഷ്യമിട്ടിട്ടുള്ള പെരുമാറ്റം കൂടുതൽ വ്യക്തമായി മനസ്സിലാക്കാൻ ഞങ്ങൾ ഇത് ഉപയോഗിക്കുന്നു, അതുവഴി അതിലേക്കായി പരിശീലിപ്പിക്കാനും, അതിനെ അടിസ്ഥാനമാക്കി വിലയിരുത്താനും, കാലക്രമേണ അത് മെച്ചപ്പെടുത്താനും കഴിയും. 

മോഡൽ സ്പെക് ഉൾപ്പെടാത്ത പശ്ചാത്തല കഥ ഈ പോസ്റ്റ് പങ്കിടുന്നു. അതിന്റെ പിന്നിലെ തത്വചിന്തയും പ്രവർത്തനരീതിയും ഉൾപ്പെടുന്നു: അത് എങ്ങനെ ഘടിപ്പിച്ചിരിക്കുന്നു, ആ ഘടനാപരമായ തിരഞ്ഞെടുപ്പുകൾ ഞങ്ങൾ എന്തുകൊണ്ട് നടത്തി, കൂടാതെ കാലക്രമേണ അതിനെ എങ്ങനെ എഴുതുന്നു, നടപ്പിലാക്കുന്നു, വികസിപ്പിക്കുന്നു എന്നതും ഇതിലുണ്ട്.

മോഡൽ സ്പെക് സുരക്ഷിതവും ഉത്തരവാദിത്തപരവുമായ AI യിലേക്കുള്ള OpenAI-യുടെ വിശാലമായ സമീപനത്തിന്റെ ഒരു ഭാഗമാണ്. പ്രിപെയർഡ്നസ് ഫ്രെയിംവർക്ക്⁠ അത്യാധുനിക കഴിവുകളിൽ നിന്നുള്ള അപകടസാധ്യതകളിലും ആ അപകടസാധ്യതകൾ ഉയരുന്നതിനനുസരിച്ച് ആവശ്യമായ സുരക്ഷാ മുൻകരുതലുകളിലും ശ്രദ്ധ കേന്ദ്രീകരിക്കുമ്പോൾ, മോഡൽ സ്പെക് കൈകാര്യം ചെയ്യുന്നത് വ്യത്യസ്തമായെങ്കിലും പരസ്പരപൂരകമായ ഒരു ചോദ്യമാണ്: വൈവിധ്യമാർന്ന സാഹചര്യങ്ങളിൽ ഞങ്ങളുടെ മോഡലുകൾ എങ്ങനെ പെരുമാറണം എന്നതാണ് ആ ചോദ്യം. കൂടുതൽ വിശാലമായ കാഴ്ചപ്പാടിൽ നോക്കുമ്പോൾ, കൂടുതൽ കഴിവുള്ള സംവിധാനങ്ങൾ വിന്യസിക്കപ്പെടുന്നതിനനുസരിച്ച് ഉണ്ടാകുന്ന തടസ്സങ്ങളും ഉയർന്നുവരുന്ന അപകടസാധ്യതകളും കുറയ്ക്കുന്നതിനൊപ്പം, ഉന്നത AI യുടെ നേട്ടങ്ങൾ സമൂഹത്തിന് പ്രയോജനപ്പെടുത്താൻ സഹായിയ്ക്കുക എന്ന വിപുലമായ സാമൂഹിക വെല്ലുവിളിയെ അഭിമുഖീകരിക്കുകയാണ് AI പ്രതിരോധശേഷിയുടെ ലക്ഷ്യം. മൊത്തത്തില്‍, ഈ സംരംഭങ്ങള്‍ AGI-യിലേക്കുള്ള മാറ്റം ക്രമാനുഗതവും ആവര്‍ത്തനപരവും ജനാധിപത്യപരമായി മനസ്സിലാക്കാവുന്നതും ആയിരിക്കാന്‍ സഹായിക്കുക എന്നതാണ് ലക്ഷ്യമിടുന്നത്: ആളുകള്‍ക്കും സ്ഥാപനങ്ങള്‍ക്കും അതിനോട് പൊരുത്തപ്പെടാന്‍ സമയം നല്‍കുന്നതിനൊപ്പം, ശക്തമായ AI തന്നെ, മനുഷ്യരുടെ താല്‍പര്യങ്ങളോട് യോജിച്ചുനില്‍ക്കാന്‍ ആവശ്യമായ സുരക്ഷാ മാര്‍ഗങ്ങള്‍, ഉത്തരവാദിത്ത സംവിധാനങ്ങള്‍, പൊതുജനങ്ങളുടെ ധാരണ എന്നിവയും രൂപപ്പെടുത്തിക്കൊണ്ട് വേണം ഇത് സാധിക്കേണ്ടത്.

മോഡലിന്റെ പെരുമാറ്റത്തെക്കുറിച്ചുള്ള വ്യക്തത പൊതുജനങ്ങൾക്ക് ഉണ്ടാകേണ്ടത് നീതിക്കും സുരക്ഷയ്ക്കും പ്രധാനമാണ്. ഇത് നീതിക്കായി പ്രധാനമാണ്, കാരണം AI അവരോട് എങ്ങനെ, എന്തുകൊണ്ട്, അങ്ങനെ പെരുമാറുന്നു എന്ന് ആളുകൾ മനസ്സിലാക്കേണ്ടതുണ്ട്—കൂടാതെ, നീതിയുമായി ബന്ധപ്പെട്ട ആശങ്കകൾ ഉയരുമ്പോൾ അവ തിരിച്ചറിയാനും, ചോദ്യം ചെയ്യാനും, പരിഹരിക്കാനും അവർക്കു കഴിയേണ്ടതുമുണ്ട്. AI സിസ്റ്റങ്ങൾ കൂടുതൽ കഴിവുള്ളവയായി മാറുമ്പോൾ, അവ എങ്ങനെ പെരുമാറണമെന്നാണ് ലക്ഷ്യമിട്ടിരിക്കുന്നത്, അവയിൽ എന്തെല്ലാം ട്രേഡ്-ഓഫുകൾ ഉൾക്കൊള്ളുന്നുണ്ട്, കൂടാതെ ആ തിരഞ്ഞെടുപ്പുകൾ കാലക്രമേണ എങ്ങനെ മെച്ചപ്പെടുത്താം എന്നതിനെക്കുറിച്ച് ആളുകൾക്കും സ്ഥാപനങ്ങൾക്കും കൂടുതൽ വ്യക്തമായ പ്രതീക്ഷകൾ നല്‍കേണ്ടത് ആവശ്യമായതിനാൽ ഇത് സുരക്ഷയുടെ കാര്യത്തിലും പ്രധാനമാണ്. അത്തരം വായനാസൗകര്യം കൂടുതൽ ആളുകൾക്ക് പരിശോധിക്കാനും, ചോദ്യം ചെയ്യാനും, മെച്ചപ്പെടുത്താനും കഴിയുന്ന വ്യക്തമായ ഒന്നിനെ നൽകുന്നതിലൂടെ ആതിന്റെ പ്രതിരോധശേഷിയെ പിന്തുണയ്ക്കുകയും ചെയ്യുന്നു.

2024-ലെ ആദ്യ പതിപ്പിനുശേഷം, ഉപയോക്താക്കളുടെ മുൻഗണനകളെയും ആവശ്യങ്ങളെയും കുറിച്ച് കൂടുതൽ മനസ്സിലാക്കുന്നതിനോടൊപ്പം, കൂടുതൽ വിപുലമായ കഴിവുകൾ ഉൾക്കൊള്ളുന്നതിനും അവയ്ക്കനുയോജ്യമായി വികസിക്കുകയും, മോഡലിന്റെ പെരുമാറ്റങ്ങളെയും മോഡൽ സ്പെക്കിനെയും കുറിച്ചുള്ള പൊതുജന പ്രതികരണങ്ങളിൽ നിന്ന് പഠിക്കുകയും ചെയ്തതിന്റെ അടിസ്ഥാനത്തിൽ, മോഡൽ സ്പെക് ഗണ്യമായി വികസിച്ചു. ആവർത്തന വിന്യാസം⁠ എന്ന ആശയത്തിന് അനുസരിച്ച്, മോഡൽ സ്പെക് പശ്ചാത്തല മൂല്യങ്ങളും വ്യക്തവും, മനസ്സിലാക്കാൻ എളുപ്പമുള്ള നിയമങ്ങളും ഉൾക്കൊള്ളുന്ന, യഥാർത്ഥ ലോക വിന്യാസത്തിലും ഫീഡ്ബാക്കിലും നിന്ന് ഞങ്ങൾ പഠിക്കുന്നതിനനുസരിച്ച് ഓരോ ഘടകവും തിരുത്തുന്നതിനുള്ള ഒരു പ്രക്രിയയോടൊപ്പം വരുന്ന, പരിണമിച്ചുകൊണ്ടിരിക്കുന്ന ഒരു രേഖയാണ്. AI എങ്ങനെ ഉപയോഗിക്കപ്പെടുന്നു എന്നും AI-യുടെ പെരുമാറ്റം എങ്ങനെ രൂപപ്പെടുത്തപ്പെടുന്നു എന്നും അതിനെ മനുഷ്യരാശിയുടെ നിയന്ത്രണത്തിൽ നിലനിർത്താൻ സഹായിക്കുന്നതിനുമായി, കൂട്ടായ അലൈൻമെന്റ്⁠ പോലുള്ള പൊതു ഫീഡ്ബാക്ക് സംവിധാനങ്ങളിലേക്കും ഞങ്ങൾ നിക്ഷേപിക്കുന്നു.

ആന്തരികമായി, ഇത് ഞങ്ങള്‍ ലക്ഷ്യമിട്ട പെരുമാറ്റത്തിന് ഒരു മാർഗ്ഗദർശനവും പരിശീലനം, വിലയിരുത്തൽ, ഭരണനിർവഹണം എന്നിവയ്ക്കുള്ള ഒരു പങ്കിട്ട ചട്ടക്കൂടുമാണ്. ബാഹ്യമായി, ആളുകൾക്ക് ഞങ്ങളുടെ സമീപനം മനസ്സിലാക്കാനും, വിമർശിക്കാനും, കാലക്രമേണ അത് മെച്ചപ്പെടുത്താനും സഹായിക്കുന്ന ഒരു പൊതുവായ റഫറൻസ് പോയിന്റ് ഇത് സൃഷ്ടിക്കുന്നു.

മോഡൽ സ്പെക് വിവിധ തരത്തിലുള്ള മോഡൽ മാർഗ്ഗനിർദ്ദേശങ്ങൾ ഉൾക്കൊള്ളുന്നു. അത് മനഃപൂർവ്വമാണ്. മോഡൽ പെരുമാറ്റത്തിന്റെ വ്യത്യസ്ത ഭാഗങ്ങൾ വ്യത്യസ്ത രീതികളിൽ കൈകാര്യം ചെയ്യേണ്ടതുണ്ട്, കൂടാതെ ഒരു ഉപയോഗപ്രദമായ പൊതുരേഖ വെറും നിയമങ്ങൾ പട്ടികപ്പെടുത്തുന്നതിലുപരി കൂടുതൽ കാര്യങ്ങൾ ചെയ്യണം.

മോഡൽ സ്പെക് ഉയർന്നതലത്തിലുള്ള ഉദ്ദേശ്യത്തോടെ ആരംഭിക്കുന്നു: സിസ്റ്റം തലത്തിൽ ഞങ്ങൾ എന്ത് ഓപ്റ്റിമൈസ് ചെയ്യാൻ ശ്രമിക്കുന്നു, അതെന്തുകൊണ്ടാണ് എന്നതിന്റെ വ്യക്തമായ വിവരണം ആണ് അത്.

ദൗത്യം എങ്ങനെ മുന്നോട്ട് കൊണ്ടുപോകാൻ ഞങ്ങൾ പദ്ധതിയിടുന്നു എന്നതിനെക്കുറിച്ചുള്ള മൂന്ന് ലക്ഷ്യങ്ങളെ ഈ പ്രാരംഭത്തില്‍ വ്യക്തമായി നിര്‍വചിക്കുന്നു:

• ആവർത്തിച്ച് വിന്യസിക്കുക ഡെവലപ്പർമാരെയും ഉപയോക്താക്കളെയും ശാക്തീകരിക്കുന്ന മോഡൽ
• തടയുക ഞങ്ങളുടെ മോഡൽ ഉപയോക്താക്കൾക്കോ മറ്റുള്ളവർക്കോ ഗുരുതരമായ ഹാനി ഉണ്ടാക്കുന്നത്
• നിലനിർത്തുക OpenAI-യുടെ പ്രവർത്തനത്തിനുള്ള ലൈസൻസ്

തുടർന്ന്, പ്രായോഗികമായി ഈ ലക്ഷ്യങ്ങളെ സന്തുലിതമാക്കുന്നതിനെക്കുറിച്ച് ഞങ്ങൾ എങ്ങനെ ചിന്തിക്കുന്നു എന്ന് ഇത് വിശദീകരിക്കുന്നു. തുടർന്ന് വരുന്ന കൂടുതൽ വിശദമായ തത്വങ്ങളെ പിന്തുണയ്ക്കുന്ന തരത്തിൽ ഈ വിട്ടുവീഴ്ചകളെ വ്യക്തതയോടെ അവതരിപ്പിക്കുന്നു.

പ്രധാനമായി, ഈ ആമുഖം മോഡലിന് നേരിട്ടുള്ള നിർദ്ദേശമാകാൻ ഉദ്ദേശിച്ചിട്ടുള്ളതല്ല. മനുഷ്യരാശിക്ക് പ്രയോജനം ചെയ്യുക OpenAI-യുടെ ലക്ഷ്യമാണ്, അത് ഞങ്ങളുടെ മോഡൽ സ്വയംഭരണപരമായി പിന്തുടരേണ്ട ലക്ഷ്യമല്ല. പകരം, മോഡലുകൾ OpenAI, ഡെവലപ്പർമാർ, ഉപയോക്താക്കൾ എന്നിവരിൽ നിന്ന് വരുന്ന മോഡൽ സ്പെക്കും ബാധകമായ നിർദ്ദേശങ്ങളും ഉൾപ്പെടുന്ന ഒരു കമാൻഡ് ശൃംഖല പിന്തുടരണമെന്ന് ഞങ്ങൾ ആഗ്രഹിക്കുന്നു, ഒരു പ്രത്യേക സാഹചര്യത്തിൽ ഫലത്തോട് ചിലർ വിയോജിച്ചേക്കാമെങ്കിലും.

മാനുഷിക തലത്തിലുള്ള സ്വയംഭരണത്തെയും ബൗദ്ധിക സ്വാതന്ത്ര്യത്തെയും ഞങ്ങൾ വിലമതിക്കുന്നതിനാൽ, ഇത് ശരിയായ സന്തുലിതാവസ്ഥയാണെന്ന് ഞങ്ങൾ കരുതുന്നു. സമൂഹത്തിന് എന്താണ് നല്ലത് എന്നതിനെക്കുറിച്ചുള്ള ഞങ്ങളുടെ കാഴ്ചപ്പാടിന്റെ അടിസ്ഥാനത്തിൽ ഏത് നിർദ്ദേശങ്ങൾ അനുസരിക്കണമെന്ന് തീരുമാനിക്കാൻ ഞങ്ങൾ മോഡലുകളെ പരിശീലിപ്പിച്ചിരുന്നുവെങ്കിൽ, വളരെ വ്യാപകമായ തലത്തിൽ ധാർമ്മികതയെ വിലയിരുത്തി തീരുമാനം എടുക്കുന്ന നിലയില്‍ ആയിരുന്നിരിക്കും OpenAI. എന്നിരിക്കെ തന്നെ, ആ ആമുഖം ഇപ്പോഴും പ്രധാനമാണ്. മോഡൽ സ്പെക് എങ്ങനെ പ്രയോഗിക്കണം എന്നതിൽ അവ്യക്തത ഉണ്ടായാൽ, അത് പരിഹരിക്കാൻ ആമുഖം സഹായിക്കണം.

മോഡൽ സ്പെക്കിൽ, നേരിട്ട് അളക്കാവുന്ന മോഡൽ പെരുമാറ്റത്തെ അതിജീവിച്ച് പരിശീലന ഉദ്ദേശ്യത്തെയും വിന്യാസ നിയന്ത്രണങ്ങളെയും ഉൾക്കൊള്ളുന്ന പൊതു പ്രതിബദ്ധതകളും അടങ്ങിയിരിക്കുന്നു. ഉദാഹരണത്തിന്, ഞങ്ങളുടെ റെഡ്-ലൈൻ തത്വങ്ങൾ⁠(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) എന്നതില്‍ ChatGPT പോലുള്ള ഫസ്റ്റ്-പാർട്ടി വിന്യാസങ്ങളിൽ, വസ്തുനിഷ്ഠത⁠(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) യെയോ ബന്ധപ്പെട്ട തത്വങ്ങളെയോ ഉദ്ദേശപൂർവ്വം ബാധിക്കാനായി ഞങ്ങൾ ഒരിക്കലും സിസ്റ്റം സന്ദേശങ്ങൾ ഉപയോഗിക്കില്ലെന്ന പ്രതിബദ്ധത ഉൾപ്പെടുന്നു; കൂടാതെ മറ്റ് ലക്ഷ്യങ്ങളൊന്നുമില്ല⁠(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) എന്നത് ഉപയോക്തൃപ്രയോജനത്തിനായി മോഡൽ പ്രതികരണങ്ങൾ ഓപ്റ്റിമൈസ് ചെയ്യുക എന്നതും, വരുമാനത്തിനോ, ഉപയോക്താവിന് പ്രയോജനകരമല്ലാത്ത സൈറ്റിലെ സമയം വർധിപ്പിക്കലിനോ വേണ്ടിയല്ല എന്നതുമായ ഞങ്ങളുടെ ഉദ്ദേശങ്ങളെക്കുറിച്ചുള്ള പ്രതിബദ്ധതകൾ ഇതില്‍ വ്യക്തമാക്കുന്നു.

മോഡൽ സ്പെക്കിന്റെ മദ്ധ്യത്തിൽ ചെയിൻ ഓഫ് കമാൻഡ് ആണ്: ഒരു നിശ്ചിത സാഹചര്യത്തിൽ ഏത് നിർദ്ദേശങ്ങളാണ് ബാധകമാകേണ്ടതെന്ന് തീരുമാനിക്കുന്നതിനുള്ള ഒരു ചട്ടക്കൂട്. യഥാർത്ഥ ലോകത്തിലെ പാർശ്വഫലങ്ങൾ ശ്രദ്ധാപൂർവ്വം നിയന്ത്രിച്ചുകൊണ്ട്, വ്യക്തമായി നിർവചിക്കാത്ത നിർദ്ദേശങ്ങളെ മോഡൽ എങ്ങനെ കൈകാര്യം ചെയ്യണമെന്ന് ഇത് വിശദീകരിക്കുന്നു.

ഏത് നിർദ്ദേശങ്ങളാണ് ബാധകമാകേണ്ടതെന്ന് തീരുമാനിക്കുന്നതിനുള്ള അടിസ്ഥാന ആശയം ലളിതമാണ്. OpenAI, ഡെവലപ്പർമാർ, ഉപയോക്താക്കൾ തുടങ്ങി, വിവിധ ഇടങ്ങളില്‍ നിന്നും നിന്ന് നിർദ്ദേശങ്ങൾ ലഭിക്കാം. ആ നിർദ്ദേശങ്ങൾ തമ്മിൽ വൈരുദ്ധ്യമുണ്ടാകാം. ആ സംഘർഷങ്ങൾ മോഡൽ എങ്ങനെ പരിഹരിക്കണമെന്ന് ചെയിൻ ഓഫ് കമാൻഡ് വിശദീകരിക്കുന്നു.  

ഓരോ മോഡൽ സ്പെക് നയത്തിനും ഓരോ നിർദ്ദേശത്തിനും ഒരു അധികാര നില⁠(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) നൽകപ്പെട്ടിരിക്കുന്നു. വൈരുദ്ധ്യങ്ങൾ ഉണ്ടാകുമ്പോൾ, ഉയർന്ന-അധികാരമുള്ള നിർദ്ദേശങ്ങളുടെ അക്ഷരത്തിനും ആത്മാവിനും മുൻഗണന നൽകാൻ മോഡലിനോട് നിർദ്ദേശിച്ചിരിക്കുന്നു. ഒരു ബോംബ് നിർമ്മിക്കാൻ സഹായം ആവശ്യപ്പെട്ടാൽ, മോഡൽ കർശനമായ സുരക്ഷാ അതിരുകൾക്ക്⁠(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) മുൻഗണന നൽകണം. ഒരു ഉപയോക്താവ് തങ്ങളെ പരിഹസിക്കാൻ ആവശ്യപ്പെട്ടാൽ, മോഡൽ സാധാരണയായി ആ അഭ്യർത്ഥനയ്ക്ക് മോഡൽ സ്പെക്കിലെ താഴ്ന്ന-അധികാരമുള്ള ദുരുപയോഗത്തിനെതിരായ നയത്തേക്കാൾ⁠(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) മുൻഗണന നൽകണം.

ഈ ഘടന, ഒരു വലിയ ഡിഫോൾട്ട് സെറ്റിനൊപ്പം ചെറിയൊരു ഓവർറൈഡ് ചെയ്യാനാകാത്ത നിയമങ്ങളുടെ സെറ്റ് നിർവചിക്കാൻ സഹായിക്കുന്നു. സുരക്ഷാ നിയന്ത്രണങ്ങൾക്കുള്ളിൽ ഉപയോക്താവിന്റെ സ്വാതന്ത്ര്യവും ഡെവലപ്പറുടെ നിയന്ത്രണവും പരമാവധി ഉറപ്പാക്കാൻ ഞങ്ങൾ ശ്രമിക്കുന്നു.

• കർശന നിയമങ്ങൾ എന്നത് ഉപയോക്താക്കൾക്കോ ഡെവലപ്പർമാർക്കോ മറികടക്കാനാകാത്ത, വ്യക്തമായി നിർവചിച്ച പരിധികളാണ് (മോഡൽ സ്പെക് പര്യായപ്രയോഗത്തിൽ, ഇവ “root” അല്ലെങ്കിൽ “system” നിലയിലുള്ള നിർദ്ദേശങ്ങളാണ്). അവ കൂടുതലായും നിരോധനാത്മകമാണ്, മോഡലുകളോട് വിനാശകരമായ അപകടസാധ്യതകൾക്കും നേരിട്ടുള്ള ശാരീരിക ഹാനിക്കും കാരണമാകുന്ന, നിയമങ്ങൾ ലംഘിക്കുന്ന, അല്ലെങ്കിൽ കമാൻഡ് ശൃംഖലയെ ദുർബലപ്പെടുത്തുന്ന പെരുമാറ്റങ്ങൾ ഒഴിവാക്കണമെന്ന് ആവശ്യപ്പെടുന്നു. AI എന്നത്, സമൂഹത്തിനായുള്ള ഒരു അടിസ്ഥാന സാങ്കേതികവിദ്യയായി, ഇന്റർനെറ്റ് ആധാരമായ അടിസ്ഥാനസൗകര്യത്തോട് സാമ്യമുള്ള രീതിയിൽ, മാറുമെന്ന് ഞങ്ങൾ പ്രതീക്ഷിക്കുന്നു. അതിനാൽ, ഡെവലപ്പർമാരുടെയും ഉപയോക്താക്കളുടെയും വിപുലമായ ഒരു സമൂഹത്തിനായി അവ വേണ്ടിവരും എന്ന് ഞങ്ങൾ വിശ്വസിക്കുന്ന സാഹചര്യങ്ങളിൽ മാത്രമാണ് ബൗദ്ധിക സ്വാതന്ത്ര്യത്തെ പരിമിതപ്പെടുത്തുന്ന നിയമങ്ങൾ ഏർപ്പെടുത്തുന്നത്. മോഡൽ സ്പെക്, പരിധിക്കുള്ളിൽ തുടരുക⁠(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) യാഥാർത്ഥ്യ ലോകത്തിലെ വ്യക്തമായ സുരക്ഷാ അപകടസാധ്യതകളെ അഭിമുഖീകരിക്കുന്ന കർശന നിയമങ്ങൾ ഉൾക്കൊള്ളുന്നു, കൂടാതെ Under-18 തത്വങ്ങൾ⁠(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) 18 വയസ്സിന് താഴെയുള്ള ഉപയോക്താക്കൾക്കായി കൂടുതൽ സുരക്ഷാ നടപടികൾ ചേർക്കുന്നു.
• ഡീഫോൾട്ടുകൾ മറികടക്കാനാകുന്ന ആരംഭ ബിന്ദുക്കളാണ്: ഉപയോക്താവോ ഡെവലപ്പറോ ഒരു മുൻഗണന വ്യക്തമാക്കിയിട്ടില്ലാത്തപ്പോൾ അസിസ്റ്റന്റിന്റെ നിലവിലെ “മികച്ച ഊഹ” സ്വഭാവം. വലിയ സ്കെയിലിൽ പെരുമാറ്റം പ്രവചനീയവും നിയന്ത്രിക്കാവുന്നതുമായിരിക്കാനായി ഞങ്ങൾ ഡീഫോൾട്ടുകൾ ഉപയോഗിക്കുന്നു, അതുവഴി ഓരോ തവണയും പ്രത്യേകമായി തയ്യാറാക്കിയ നിർദ്ദേശങ്ങളുടെ ഒരു സമുച്ചയം എഴുതാതെ തന്നെ എന്ത് സംഭവിക്കുമെന്ന് ആളുകൾക്ക് മുൻകൂട്ടി മനസ്സിലാക്കാൻ കഴിയും. മുൻനിശ്ചയിച്ച ക്രമീകരണങ്ങൾ നിയന്ത്രിക്കാനാകുന്ന സ്വഭാവം നിലനിർത്തുന്നു: സുരക്ഷാ പരിധികൾക്കുള്ളിൽ ഉപയോക്താക്കൾക്കും ഡെവലപ്പർമാർക്കും ശൈലി, ആഴം, ഫോർമാറ്റ്, കൂടാതെ കാഴ്ചപ്പാട് പോലും വ്യക്തമായി നിയന്ത്രിക്കാൻ കഴിയും. മാർഗ്ഗനിർദ്ദേശ-തല ഡിഫോൾട്ടുകൾ (ടോൺ അല്ലെങ്കിൽ ശൈലി പോലുള്ളവ) പരോക്ഷമായി നിയന്ത്രിക്കാവുന്നവയായി രൂപകൽപ്പന ചെയ്തിരിക്കുന്നപ്പോൾ, ഉപയോക്തൃ-തല ഡിഫോൾട്ടുകൾ (സത്യസന്ധതയും വസ്തുനിഷ്ഠതയും പോലുള്ളവ) വിശ്വാസത്തിന്റെയും പ്രവചനീയതയുടെയും അടിസ്ഥാനങ്ങളാണ്, കൂടാതെ വ്യക്തമായ നിർദ്ദേശങ്ങളാൽ മാത്രമേ അസാധുവാക്കാനാകൂ. അവ അവ്യക്തമായ തോന്നലുകളുടെ അടിസ്ഥാനത്തിൽ നിശ്ശബ്ദമായി വഴുതിമാറരുത്; ഉപയോക്താവിന് മറ്റൊരു വസ്തുതാപരമായ നിലപാട് വേണമെങ്കിൽ, അതിനെ വ്യക്തമായ ഒരു നിർദ്ദേശമായി നല്കുന്നതുവഴി ആ മാറ്റം സുതാര്യവും വ്യക്തമായി മനസ്സിലാക്കാവുന്നതും ആയി നിലനിര്‍ത്താന്‍ കഴിയുന്നു. ഈ ഡീഫോൾട്ടുകൾ ഒരുമിച്ച് സത്യം തേടുക⁠(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു), മികച്ച പ്രവർത്തനം നടത്തുക⁠(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു), കൂടാതെ ഉചിതമായ ശൈലി ഉപയോഗിക്കുക⁠(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) എന്നിവയിലുടനീളം പ്രതിഫലിക്കുന്നു. ഇതിൽ സത്യസന്ധതയും വസ്തുനിഷ്ഠതയും സംബന്ധിച്ച മാനദണ്ഡങ്ങൾ, അന്ധസമ്മതി ഒഴിവാക്കൽ, കൂടാതെ നേരെയുള്ളതും, സന്ദർഭോചിതവും സൗഹൃദപരവുമായ സമീപനം, പ്രൊഫഷണലിസം എന്നിവ പോലുള്ള ഇടപെടൽ മാനദണ്ഡങ്ങളും ഉൾപ്പെടുന്നു.

ഹയറാര്‍ക്കിക്ക് അതീതമായി, മോഡൽ സ്പെക് നേരിടുന്ന അവ്യക്ത മേഖലകളിൽ അത് സ്ഥിരതയോടെ പ്രയോഗിക്കാൻ മോഡലുകൾക്കും (മനുഷ്യർക്കും) സഹായകരമായ വ്യാഖ്യാന സഹായങ്ങൾ ഉപയോഗിക്കുന്നു. ഈ സഹായങ്ങളിൽ ഉൾപ്പെടുന്നത്: 

• തീരുമാന മാനദണ്ഡങ്ങൾ മോഡലിന് അവ്യക്തമായ മേഖലകളിൽ ഏകോപിതമായ തിരഞ്ഞെടുപ്പുകൾ നടത്താൻ സഹായിക്കുന്നു, ഒരൊറ്റ യാന്ത്രിക നിയമം മാത്രമേ ഉള്ളുവെന്ന് നടിക്കാതെ തന്നെ. ഉദാഹരണത്തിന്, പാർശ്വഫലങ്ങൾ നിയന്ത്രിക്കൽ⁠(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) സംബന്ധിച്ച മോഡൽ സ്പെക്കിന്റെ മാർഗ്ഗനിർദ്ദേശത്തിൽ, തിരിച്ചെടുക്കാനാകാത്ത നടപടികൾ പരമാവധി കുറയ്ക്കുക, നടപടികൾ ലക്ഷ്യത്തിന് അനുപാതികമായി നിലനിർത്തുക, അനാവശ്യമായ അപ്രതീക്ഷിത ഫലങ്ങൾ കുറയ്ക്കുക, തിരിച്ചെടുക്കാനാകുന്ന സമീപനങ്ങൾക്ക് മുൻഗണന നൽകുക തുടങ്ങിയ പരിഗണനകൾ പട്ടികപ്പെടുത്തിയിരിക്കുന്നു; ഇവ, ടാസ്ക് വേഗത്തിലും ഫലപ്രദമായും പൂർത്തിയാക്കുക പോലുള്ള മറ്റ് ലക്ഷ്യങ്ങളുമായി സന്തുലിതമാക്കണം.
• കൃത്യമായ ഉദാഹരണങ്ങൾ ഒരു തത്വം പ്രായോഗികമായി പ്രയോഗിക്കണം എന്ന് കാണിക്കുന്നു. ഇവ സാധാരണയായി അനുസരിക്കവുന്നതും അല്ലാത്തതുമായ പ്രതികരണങ്ങൾ രണ്ടും ഉൾക്കൊള്ളുന്ന ചെറു പ്രോംപ്റ്റ്-പ്രതികരണ ഉദാഹരണങ്ങളാണ്. പലപ്പോഴും, പ്രധാനപ്പെട്ട ഒരു തീരുമാന അതിരിനടുത്തുള്ള കഠിനമായ ഒരു പ്രോംപ്റ്റിലാണ് ഇവ വരുന്നത്. ലക്ഷ്യം പൂർണ്ണമായ യാഥാർത്ഥ്യപരമായ സംഭാഷണം അനുകരിക്കുക എന്നതല്ല. പ്രധാന വ്യത്യാസം വ്യക്തമായി മനസ്സിലാക്കിക്കൊടുക്കുന്നതിനും, അതോടൊപ്പം ആവശ്യമായ പ്രതികരണ ശൈലിയും പ്രകടമാക്കുന്ന രീതിയിൽ അത് ചെയ്യുന്നതിനുമാണ് ഇത്.

ഞങ്ങൾ ഉദാഹരണങ്ങളുടെ എണ്ണം കുറച്ച് ഏറ്റവും കൂടുതൽ വിവരപ്രദമായവയിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നു. വിപുലമായ മൂല്യനിർണ്ണയ സ്യൂട്ടുകൾ ലോംഗ് ടെയിലിന്റെ കൂടുതൽ ഭാഗങ്ങൾ ഉൾക്കൊള്ളാൻ സഹായിക്കുന്നു.

സ്പെക് ഒരു ഇന്റർഫേസ് ആണ്, നടപ്പിലാക്കൽ അല്ലാതെ. ഇത് നമുക്ക് വേണ്ട പെരുമാറ്റത്തെ വിവരിക്കുന്നു, ആ പെരുമാറ്റം എങ്ങനെ സൃഷ്ടിക്കപ്പെടുന്നു എന്നതിന്റെ എല്ലാ വിശദാംശങ്ങളും ഇതിൽ ഉൾപ്പെടുന്നില്ല. ആഗ്രഹിക്കുന്ന പെരുമാറ്റം മാറാതിരുന്നാലും ആ വിശദാംശങ്ങൾ മാറാൻ സാധ്യതയുള്ളതിനാൽ, ആന്തരിക ടോക്കൺ ഫോർമാറ്റുകൾ അല്ലെങ്കിൽ ഒരു പ്രത്യേക പെരുമാറ്റത്തിനായുള്ള കൃത്യമായ പരിശീലന രീതി പോലുള്ള നടപ്പാക്കൽ വിശദാംശങ്ങളോട് അതിനെ ബന്ധിപ്പിക്കുന്നത് ഞങ്ങൾ ഒഴിവാക്കാൻ ശ്രമിക്കുന്നു. മോഡൽ സ്പെക്‌ന്റെ പ്രധാന ലക്ഷ്യവിഷയം മോഡൽ അല്ല, മനുഷ്യരാണ്. OpenAI ജീവനക്കാർക്കും ഉപയോക്താക്കൾക്കും ഡെവലപ്പർമാർക്കും ഗവേഷകർക്കും നയരൂപീകരണക്കാർക്കും ഉദ്ദേശിച്ചിരിക്കുന്ന പെരുമാറ്റം മനസ്സിലാക്കാനും അതിനെക്കുറിച്ച് ചർച്ച ചെയ്യാനും അതിൽ തീരുമാനമെടുക്കാനും സഹായിക്കാനാണ് ഇത് ഉദ്ദേശിച്ചിരിക്കുന്നത്.

സ്പെക് മുഴുവൻ ഉൽപ്പന്നത്തെക്കുറിച്ചല്ല, മറിച്ച് മോഡൽ നെക്കുറിച്ചും വിവരിക്കുന്നു. ഇത് ഞങ്ങളുടെ ഉപയോഗ നയങ്ങൾ⁠ കൊണ്ട് പൂരകമാക്കപ്പെടുന്നു, ആളുകൾ API-യും ChatGPT‑യും എങ്ങനെ ഉപയോഗിക്കണം എന്നതിനെക്കുറിച്ചുള്ള ഞങ്ങളുടെ പ്രതീക്ഷകൾ അവയിൽ വ്യക്തമാക്കുന്നു. ഉപയോക്താക്കൾ ഇടപെടുന്ന സിസ്റ്റത്തിൽ മോഡൽ മാത്രം ഉൾപ്പെടുന്നില്ല: കസ്റ്റം ഇൻസ്ട്രക്ഷനുകളും മെമ്മറിയും പോലെയുള്ള ഉൽപ്പന്ന സവിശേഷതകൾ, നിരീക്ഷണം, നയ നടപ്പാക്കൽ, മറ്റ് പാളികൾ എന്നിവയ്ക്കെല്ലാം പ്രാധാന്യമുണ്ട്. സുരക്ഷ എന്നത് മോഡലിന്റെ പെരുമാറ്റത്തേക്കാൾ ഏറെ വിപുലമാണ്, കൂടാതെ ആഴത്തിലുള്ള പ്രതിരോധത്തിൽ⁠ ഞങ്ങൾ വിശ്വസിക്കുന്നു. 

അതുപോലെ, സ്പെക്ക് നമ്മുടെ മുഴുവൻ പരിശീലന സ്റ്റാക്കിന്റെയോ ആന്തരിക നയങ്ങളിലെ എല്ലാ വ്യത്യാസങ്ങളുടെയോ പൂർണ്ണമായ വിവരണം അല്ല. ലക്ഷ്യം ഓരോ വിശദാംശവും ഉൾക്കൊള്ളുക എന്നതല്ല. ഞങ്ങളുടെ ലക്ഷ്യമിട്ടിട്ടുള്ള മോഡൽ പെരുമാറ്റവുമായി പൂർണ്ണമായി യോജിച്ച രീതിയിൽ, ഏറ്റവും പ്രധാനപ്പെട്ട പെരുമാറ്റപരമായ തീരുമാനങ്ങൾ മനസ്സിലാക്കാവുന്നതാക്കുക എന്നതാണ് ലക്ഷ്യം.

വായനക്കാരൻ അല്ലെങ്കിൽ മോഡൽ ചില ഉയർന്നതല ലക്ഷ്യങ്ങളിൽ നിന്ന് എല്ലാം അനുമാനിക്കുമെന്ന് കരുതുന്നതിനുപകരം, ഇത്രയും കാര്യങ്ങൾ സ്പെക്കിൽ ഉൾപ്പെടുത്താൻ നിരവധി കാരണങ്ങളുണ്ട്.

ആദ്യമായി, മോഡൽ സ്പെക് ഒരു സുതാര്യതയും ഉത്തരവാദിത്തവും ഉറപ്പാക്കുന്ന ഉപകരണമാണ്. പൊതുജനങ്ങളുടെ അർത്ഥവത്തായ ഫീഡ്ബാക്ക് പ്രോത്സാഹിപ്പിക്കുന്നതിനായി രൂപകൽപ്പന ചെയ്തതാണ് ഇത്. വ്യക്തമായ പൊതുവായ ലക്ഷ്യം, ഒരു പെരുമാറ്റം ബഗ് ആണോ അതോ സവിശേഷതയാണോ എന്ന് ആളുകൾക്ക് തിരിച്ചറിയാൻ സഹായിക്കുന്നു. അത് അവർക്ക് വിമർശനത്തിനും വ്യക്തമായ ഫീഡ്ബാക്കിനും ഒരു സ്ഥിരമായ റഫറൻസ് പോയിന്റ് നൽകുന്നു. അതുകൊണ്ടാണ് ഞങ്ങൾ മോഡൽ സ്പെക് ഓപ്പൺ സോഴ്സാക്കുകയും⁠(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) പൊതുവേദിയിൽ ആവർത്തിച്ച് മെച്ചപ്പെടുത്താൻ തിരഞ്ഞെടുക്കുകയും ചെയ്യുന്നത്. ആദ്യ റിലീസിന് ശേഷം, ഫീഡ്ബാക്ക് ഫോമുകൾ, പൊതുവായ വിമർശനങ്ങൾ, ജനാധിപത്യപരമായ അഭിപ്രായങ്ങൾ ശേഖരിക്കുന്നതിനായുള്ള മനപ്പൂർവമായ ശ്രമങ്ങൾ⁠ എന്നിവ ഉൾപ്പെടെ വിവിധ മാർഗങ്ങളിലൂടെ ശേഖരിച്ച പൊതുജനങ്ങളുടെ പ്രതികരണങ്ങളെ അടിസ്ഥാനമാക്കി നിരവധി മാറ്റങ്ങൾ വരുത്തിയിട്ടുണ്ട്.

രണ്ടാമതായി, മോഡൽ സ്പെക് OpenAI-യുടെ ഉള്ളിലെ ഒരു ഏകോപന ഉപകരണമാണ്. ഇത് ഗവേഷണം, പ്രൊഡക്റ്റ്, സേഫ്റ്റി, പോളിസി, ലീഗൽ, കോംസ്, മറ്റ് പ്രവർത്തന മേഖലകൾ എന്നിവയിലുടനീളമുള്ള ആളുകൾക്ക് മോഡൽ പെരുമാറ്റത്തെക്കുറിച്ച് ചർച്ച ചെയ്യുന്നതിനുള്ള ഒരു പങ്കിട്ട പദാവലിയും മാറ്റങ്ങൾ നിർദ്ദേശിക്കാനും അവ അവലോകനം ചെയ്യാനും ഉള്ള ഒരു സംവിധാനവും നൽകുന്നു.

മൂന്നാമതായി, വ്യക്തമായ നയങ്ങൾ മോഡലിന്റെ ബുദ്ധിശേഷിയിലെയും റൺടൈം കോൺടെക്സ്റ്റിലെയും പ്രായോഗിക പരിമിതികൾക്ക് പരിഹാരമാകാൻ കഴിയും, കൂടാതെ പെരുമാറ്റത്തെ കൂടുതൽ പ്രവചിക്കാവുന്നതാക്കുകയും ചെയ്യും. കാലക്രമേണ ഇത് കുറേശ്ശെ ശരിയല്ലാതാകുന്നുണ്ടെങ്കിലും, ചില നയങ്ങൾ അപര്യാപ്തമായ ബുദ്ധിശേഷിക്ക് പരിഹാരമാകാൻ ലക്ഷ്യമിടുന്നു; അത്തരം സാഹചര്യങ്ങളിൽ മോഡലുകൾക്ക് ഉയർന്നതലത്തിലുള്ള തത്വങ്ങളിൽ നിന്ന് ശരിയായ പെരുമാറ്റം വിശ്വസനീയമായി നിർവചിച്ചെടുക്കാൻ കഴിയാതിരിക്കാം. ഉദാഹരണത്തിന്, വ്യക്തവും നേരിട്ടുള്ളതുമായിരിക്കുക⁠(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) എന്നത്, കണക്കുകൂട്ടലുകൾ ആവശ്യമായ വെല്ലുവിളിയേറിയ പ്രശ്നങ്ങൾക്ക് ഉത്തരം പറയുന്നതിന് മുമ്പ് അവർ ചെയ്ത ഘട്ടങ്ങൾ കാണിക്കാൻ മുൻകാല മോഡലിനെ ഉപദേശിച്ചിരുന്നു, എന്നാൽ ഇന്ന് ഞങ്ങളുടെ മോഡൽ റീഇൻഫോഴ്‌സ്‌മെന്റ് ലേണിംഗ്⁠ വഴി ഈ പെരുമാറ്റം സ്വാഭാവികമായി പഠിക്കുന്നു. 

മറ്റ് നയങ്ങൾ റൺടൈമിൽ ഉള്ള പരിമിതമായ സന്ദർഭം കൈകാര്യം ചെയ്യുന്നു: അസിസ്റ്റന്റിന് നിലവിലെ ഇടപെടലിൽ നിരീക്ഷിക്കാനാകുന്ന കാര്യങ്ങളെ മാത്രം ആശ്രയിക്കാനാകും. ഉപയോക്താവിന്റെ സമ്പൂർണ്ണ സാഹചര്യം, ഉദ്ദേശ്യം, തുടർന്നുള്ള ഉപയോഗം, അല്ലെങ്കിൽ മോഡലിന് പുറത്തുള്ള സുരക്ഷാ നടപടികൾ എന്നിവയെക്കുറിച്ച് അപൂർവമായേ അറിയാറുള്ളു. അത്തരം സാഹചര്യങ്ങളിൽ, മതിയായ ഗവേഷണവും ചിന്തയും ഉണ്ടെങ്കിൽ മോഡലുകൾക്ക് ശരിയായ പെരുമാറ്റം കണ്ടെത്താൻ കഴിഞ്ഞേക്കാം എങ്കിലും, വ്യക്തത കാര്യക്ഷമതയും പ്രവചനയോഗ്യതയും മെച്ചപ്പെടുത്തുന്നു. സമാനമായ പ്രോംപ്റ്റ്‌ക്കിടയിലെ വ്യത്യാസം കുറയ്ക്കുകയും ഉപയോക്താക്കൾക്കും ഗവേഷകർക്കും ഒരുപോലെ പെരുമാറ്റം കൂടുതൽ എളുപ്പത്തിൽ മനസ്സിലാക്കാൻ സഹായിക്കുകയും ചെയ്യുന്ന മാർഗ്ഗനിർദേശങ്ങളാക്കി നിരവധി വിധിനിർണയങ്ങളെ ചുരുക്കുന്നു.

അവസാനമായി, മോഡൽ സ്പെക് വിലയിരുത്തുന്നതിനും അളക്കുന്നതിനും പ്രസക്തമായ ഉയർന്നതല നയങ്ങളുടെ സമ്പൂർണ പട്ടികയായി പ്രവർത്തിക്കുന്നു. ഒരു മോഡൽ ഉദ്ദേശിച്ചതുപോലെ പ്രവർത്തിക്കുന്നുണ്ടോ എന്ന് വിലയിരുത്താൻ, നിങ്ങൾക്ക് പ്രധാനപ്പെട്ട പെരുമാറ്റ വിഭാഗങ്ങളുടെ ഒരു പൊതു പട്ടിക ഉണ്ടായിരിക്കുക എന്നത് ഉപകാരപ്രദമാണ്.

“സഹായകരവും സുരക്ഷിതവും ആയിരിക്കുക” എന്നതുപോലുള്ള ലക്ഷ്യങ്ങളുടെ ഒരു ചെറിയ പട്ടികയിൽ നിന്ന്, മതിയായ കഴിവുള്ള ഒരു മോഡലിന് ശരിയായ പെരുമാറ്റം മനസ്സിലാക്കാൻ കഴിയണം എന്ന് കരുതാൻ പ്രലോഭനം തോന്നാം. അതിൽ കുറച്ച് സത്യമുണ്ട്. ഗണിതശാസ്ത്രം പോലുള്ള, വസ്തുനിഷ്ഠമായ വിജയ മാനദണ്ഡങ്ങളുള്ള മേഖലകളിൽ, ബുദ്ധിശക്തിക്ക് പലപ്പോഴും വിശദമായ നിയമങ്ങൾക്ക് പകരമാകാൻ കഴിയും.

എന്നാൽ പൊതുവെ, മോഡലിന്റെ പെരുമാറ്റം ഒരു ലളിതമായ ഗണിത പ്രശ്നം പരിഹരിക്കുന്നതുപോലെയല്ല; എല്ലാവർക്കും ഏകാഭിപ്രായത്തിലെത്താൻ കഴിയുന്ന ഒരൊറ്റ നൈതികമായി ശരിയായ ഉത്തരം ഇല്ലാത്ത കൂടുതൽ സങ്കീർണ്ണമായ മേഖലകളിലാണ് മോഡലുകൾ പലപ്പോഴും പ്രവർത്തിക്കുന്നത്. ഉദാഹരണത്തിന്, ഒരു മോഡൽ “സഹായകരവും സുരക്ഷിതവും” ആണെന്ന് പറയുന്നതിന്റെ അർത്ഥം സന്ദർഭത്തെ അത്യന്തം ആശ്രയിച്ചിരിക്കുന്നു; കൂടാതെ അത് അന്തർനിഹിതമായി മൂല്യനിർണയങ്ങൾ ഉൾക്കൊള്ളുന്ന തീരുമാനമെടുക്കലിന്റെ ഫലമാണ്. നൈതികതയും മൂല്യങ്ങളും സംബന്ധിച്ച കാര്യങ്ങളിൽ എന്തെല്ലാം വിട്ടുവീഴ്ചകൾ ചെയ്യണം എന്ന് ബുദ്ധി മാത്രം നിങ്ങളോട് പറഞ്ഞുതരുന്നില്ല. അതിനാൽ, മോഡലുകൾ ബുദ്ധിശേഷിയിൽ മെച്ചപ്പെട്ടാലും, ഒരു പ്രത്യേക സാഹചര്യത്തിൽ മൂല്യവിധിനിർണയങ്ങൾ / “നൈതികമായി” പ്രവർത്തിക്കുക എന്നത് എന്താണ് അർത്ഥമാക്കുന്നത് എന്ന് മനസ്സിലാക്കാനും അതിന് മാർഗനിർദേശം നൽകാനും നമുക്ക് ഇനിയും പ്രവർത്തനം ആവശ്യമാണ്. മോഡൽ സ്പെക് ഉണ്ടായിരിക്കാനുള്ള ഭൂരിഭാഗം കാരണങ്ങളും, മോഡലുകൾ വളരെ കൂടുതൽ കഴിവുള്ളവയാകുമ്പോഴും, ഇപ്പോഴും പ്രസക്തമായി തുടരുന്നു: ആളുകൾക്ക് ഏകോപിപ്പിക്കാൻ കഴിയുന്ന ഒരു പൊതുവായ ലക്ഷ്യം, പെരുമാറ്റം നമ്മുടെ ഉദ്ദേശങ്ങളുമായി പൊരുത്തപ്പെടുന്നുണ്ടോ എന്ന് വിലയിരുത്താനുള്ള ഒരു മാർഗം, കൂടാതെ നാം പഠിക്കുന്നതിനനുസരിച്ച് നിയമങ്ങൾ പരിഷ്‌കരിക്കുന്നതിനുള്ള ഒരു സംവിധാനവും നമുക്ക് ഇപ്പോഴും ആവശ്യമാണ്. ഒരേയൊരു നിയമം “സഹായകരവും സുരക്ഷിതവും ആയിരിക്കുക” എന്നതാണെങ്കിൽ, ഉദാഹരണത്തിന്, മോഡൽ നൽകാൻ നിരസിക്കേണ്ട ഉള്ളടക്കത്തിന്റെ പരിധികൾ എന്തൊക്കെയാണെന്ന് മനുഷ്യർക്ക് ചർച്ച ചെയ്യാനുള്ള ഒരു സംവിധാനവും ഇല്ല; അതിനാൽ ഈ എല്ലാ തീരുമാനങ്ങളും മോഡലിന് കൊടുക്കേണ്ടതായി വരും.

എന്തായാലും, മോഡലുകൾ കൂടുതൽ കഴിവുള്ളതും, കൂടുതൽ സ്വതന്ത്രമായ പ്രവർത്തനശേഷിയുള്ളതും, കൂടുതൽ വ്യാപകമായി വിന്യസിക്കപ്പെടുന്നതുമായതോടെ, അവ്യക്തതയുടെ ചെലവ് വർദ്ധിക്കുന്നു. അത് വ്യക്തമായ ഒരു പെരുമാറ്റ ചട്ടക്കൂടിന്‍റെ പ്രാധാന്യം കുറയ്ക്കുകയല്ല, മറിച്ച് അത് കൂടുതൽ പ്രധാനപ്പെട്ടതാക്കുന്നു.

ഉപയോഗപ്രദമായ ഒരു ഉപമ, ലിഖിത ഭരണഘടനയും ന്യായവിധി നിയമവും തമ്മിലുള്ള വ്യത്യാസമാണ്. ഒരു ലിഖിത ഭരണഘടനയ്ക്ക് ഉയർന്നതലത്തിലുള്ള സിദ്ധാന്തങ്ങളും വ്യക്തമായ നിയമങ്ങളും നൽകാൻ കഴിയുമെങ്കിലും, ഉണ്ടായേക്കാവുന്ന എല്ലാ സാധ്യതാപരമായ സാഹചര്യങ്ങളെയും, അതിന്റെ മാർഗ്ഗനിർദ്ദേശം ആവശ്യമായവയെയും, മുൻകൂട്ടി കണക്കാക്കാൻ കഴിയില്ല. യഥാർത്ഥ ഗവേണൻസ് സംവിധാനങ്ങൾക്കും സങ്കീർണ്ണമായ കേസുകളെയോ പ്രതീക്ഷിക്കാത്ത പ്രശ്നങ്ങളെയോ പരിഹരിക്കാൻ വ്യാഖ്യാന സംവിധാനങ്ങളും വ്യക്തീകരണങ്ങളും വ്യക്തമായ വിധിനിർണ്ണയങ്ങളും ആവശ്യമാണ്. പ്രസിദ്ധീകരിച്ച നിയമങ്ങൾ, അഭിപ്രായവ്യത്യാസങ്ങൾ ഉണ്ടായിരിക്കുമ്പോഴും, വ്യത്യസ്ത പങ്കാളികൾക്ക് ഏകോപിപ്പിക്കാൻ സഹായിക്കുന്നു; കൂടാതെ, ഏത് മാറ്റവും കൃത്യമായി വ്യക്തമാക്കണമെന്ന് ആവശ്യപ്പെടുന്നതിലൂടെ അവ മാറ്റങ്ങളെ നിയന്ത്രിക്കുകയും ചെയ്യുന്നു. മോഡൽ സ്പെക് ഈ എല്ലാ വേഷങ്ങളും നിറവേറ്റാനാണ് ഉദ്ദേശിക്കുന്നത്: തത്വങ്ങളുടെ ഒരു പ്രസ്താവന, പൊതുവായ ഒരു പെരുമാറ്റ ചട്ടക്കൂട്, സമയാനുസരിച്ച് സ്പെക് മാറ്റുന്നതിനുള്ള ഒരു പ്രക്രിയ.

അങ്ങനെ പറഞ്ഞാലും, മോഡൽ പെരുമാറ്റത്തിൽ പ്രാധാന്യമുള്ള എല്ലാ കാര്യങ്ങളും എല്ലായ്പ്പോഴും വ്യക്തമായ നിയമങ്ങളാക്കി ചുരുക്കാനാകുമെന്ന് ഞങ്ങൾ കരുതുന്നില്ല. സിസ്റ്റങ്ങൾ കൂടുതൽ സ്വയംഭരണപരമാകുമ്പോൾ, വിശ്വസനീയതയും വിശ്വാസവും കൂടുതൽ വ്യാപകമായ കഴിവുകളെയും പ്രവണതകളെയും ആശ്രയിച്ചിരിക്കും: അനിശ്ചിതത്വം വ്യക്തമായി അറിയിക്കൽ, സ്വയംഭരണത്തിന്റെ പരിധികളെ മാനിക്കൽ, അനാവശ്യമായ ദോഷകരമായ അപ്രതീക്ഷിതത്വങ്ങൾ ഒഴിവാക്കൽ, കാലക്രമത്തിൽ ഉദ്ദേശ്യം പിന്തുടരൽ, കൂടാതെ സന്ദർഭത്തിനനുസരിച്ച് മനുഷ്യ മൂല്യങ്ങളെക്കുറിച്ച് നല്ല രീതിയിൽ റീസണിംഗ് നടത്തൽ.

മോഡൽ സ്പെക് എഴുതുമ്പോൾ, ഇന്നത്തെ മോഡലിന്റെ യഥാർത്ഥ പെരുമാറ്റം അതിന്റെ എല്ലാ കുറവുകളോടും കൂടി വിവരിക്കുന്നതും വിദൂര ഭാവിയിലെ ഒരു ആദർശ ലക്ഷ്യം വിവരിക്കുന്നതിനും ഇടയില്‍ ഒരു വിടവുണ്ട്. ഞങ്ങൾ സന്തുലിതാവസ്ഥ കൈവരിക്കാൻ ശ്രമിക്കുന്നു, സാധാരണയായി നിലവിലെ സമയത്തേക്കാൾ ഏകദേശം 0-3 മാസം മുന്‍പെന്ന തോതില്‍ ലക്ഷ്യമിടുന്നു. അതിനാൽ, സജീവ വികസനത്തിന്റെ കുറഞ്ഞത് ചില മേഖലകളിലെങ്കിലും മോഡൽ സ്പെക് പലപ്പോഴും മോഡലിനെക്കാൾ മുന്നിലായിരിക്കും.

അത് മോഡൽ സ്പെക് ലക്ഷ്യമിടുന്ന പെരുമാറ്റത്തിന്റെ ഒരു വിവരണമായി പ്രതിഫലിപ്പിക്കുന്നു. അത് നമ്മെ വ്യക്തവും യോജിച്ചുമായ ഒരു ദിശയിലേക്ക് നയിക്കണം, അതേസമയം നാം ഇതിനകം ചെയ്യുന്നതിനെയും അല്ലെങ്കിൽ സമീപകാലത്ത് നടപ്പിലാക്കാൻ വ്യക്തമായ പദ്ധതികളുള്ള കാര്യങ്ങളേയും അടിസ്ഥാനമാക്കി നിലനിൽക്കുകയും വേണം.

മോഡൽ സ്പെക് ഒരു തുറന്ന ആന്തരിക പ്രക്രിയയിലൂടെ വികസിപ്പിച്ചെടുത്തതാണ്. OpenAI-യിലെ ആർക്കും അതിനെക്കുറിച്ച് അഭിപ്രായം പറയാനോ മാറ്റങ്ങൾ നിർദേശിക്കാനോ കഴിയും, കൂടാതെ അന്തിമ അപ്ഡേറ്റുകൾ ക്രോസ്-ഫംഗ്ഷണൽ സ്റ്റേക്ക്‌ഹോൾഡർമാരുടെ വിപുലമായ ഒരു വിഭാഗം അംഗീകരിക്കുന്നു. പ്രായോഗികമായി, ഡസൻ കണക്കിന് ആളുകൾ നേരിട്ട് വാചകങ്ങൾ സംഭാവന ചെയ്തിട്ടുണ്ട്, കൂടാതെ ഗവേഷണം, എഞ്ചിനീയറിംഗ്, ഉൽപ്പന്നം, സുരക്ഷ, പോളിസി, ലീഗൽ, കോംസ്, ആഗോള കാര്യങ്ങൾ, മറ്റ് പ്രവർത്തന മേഖലകൾ എന്നിവയിലുടനീളം ഇനിയും പലരും അഭിപ്രായം അറിയിക്കുന്നു. പൊതു റിലീസുകളിൽ നിന്നും ഫീഡ്ബാക്കിൽ നിന്നും ഞങ്ങൾ പഠിക്കുകയും ചെയ്യുന്നു; യഥാർത്ഥ വിന്യാസത്തിൽ ഈ തിരഞ്ഞെടുപ്പുകളെ പരീക്ഷിച്ചുനോക്കാൻ അവ സഹായിക്കുന്നു.

ഇത് പ്രധാനമാണ്, കാരണം മോഡൽ പെരുമാറ്റവും—ലോകത്തിലെ അതിന്റെ പ്രത്യാഘാതങ്ങളും—അവിശ്വസനീയമാം വിധം സങ്കീർണ്ണങ്ങളാണ്. പെരുമാറ്റങ്ങളുടെ പൂർണ്ണ സമുച്ചയം, പരിശീലന പ്രക്രിയ, പിന്നീടുള്ള ഘട്ടങ്ങളിലെ പ്രത്യാഘാതങ്ങൾ—ഇവയെല്ലാം ഒരാളുടെ മനസ്സിൽ മുഴുവനായി ഉൾക്കൊള്ളാൻ ആർക്കും കഴിയില്ല. എന്നാൽ വിവിധ ടീമുകളില്‍ നിന്നും സംഭാവന നല്‍കുന്ന നിരവധി അംഗങ്ങളും അവലോകകരും ചേർന്നാൽ, നമുക്ക് ഗുണനിലവാരം മെച്ചപ്പെടുത്താനും ആത്മവിശ്വാസം വർധിപ്പിക്കാനും കഴിയും.

ഒരു സന്തോഷകരമായ അതിശയം യഥാർത്ഥ ഏകാഭിപ്രായം സാധ്യമാകുന്നതാണ്—പ്രത്യേകിച്ച്, നാം സമവായങ്ങൾ കൃത്യമായി രേഖപ്പെടുത്താൻ നിർബന്ധിതരാകുമ്പോൾ, അഭിപ്രായവ്യത്യാസങ്ങൾ വ്യക്തതയോടെ പ്രകടമാകുന്നു.

മോഡൽ സ്പെക് ശൂന്യതയിൽ എഴുതിയതല്ല. അതിൽ ഉൾപ്പെടുന്ന പലതും പെരുമാറ്റം, സുരക്ഷ, നയം എന്നിവയെക്കുറിച്ചുള്ള വിശാലമായ പ്രവർത്തനത്തിന്റെ സംഗ്രഹമാണ്. മോഡൽ സ്പെക് എഴുതുന്നതിലെ വലിയൊരു ഭാഗം യഥാർത്ഥത്തിൽ വിവർത്തനമാണ്: നിലവിലുള്ള പ്രവർത്തനങ്ങളെ എടുത്ത് അതിന്റെ അടിസ്ഥാന ഉദ്ദേശ്യം നഷ്ടപ്പെടുത്താതെ അത് കൂടുതൽ ലളിതവും, കൂടുതൽ സ്ഥിരതയുള്ളതും, കൂടുതൽ ക്രമബദ്ധവും, കൂടുതൽ എളുപ്പത്തിൽ മനസ്സിലാക്കാവുന്നതുമാക്കുകയാണ് ചെയ്യുന്നത്.

നിരവധി കാരണങ്ങളാൽ ഞങ്ങളുടെ പ്രൊഡക്ഷൻ മോഡൽ ഇതുവരെ മോഡൽ സ്പെക് പൂർണ്ണമായി പ്രതിഫലിപ്പിക്കുന്നില്ല.

• മോഡൽ പരിശീലനം മോഡൽ സ്പെക് അപ്ഡേറ്റുകളേക്കാൾ പിന്നിലായിരിക്കാം. ഇത് ഞങ്ങൾ ലക്ഷ്യമിട്ട് പ്രവർത്തിച്ചുകൊണ്ടിരിക്കുന്ന പെരുമാറ്റത്തെ വിവരിക്കുന്നു. അതിനാൽ, ഞങ്ങളുടെ ഏറ്റവും പുതിയ മോഡൽ പരിശീലിപ്പിച്ചിരിക്കുന്ന ശേഷിയെക്കാൾ ഇത് മുന്നിലായിരിക്കാം.
• പരിശീലനം ഇത് അറിയാതെ മോഡൽ സ്പെക്കിനോട് പൊരുത്തപ്പെടാത്ത പെരുമാറ്റം പഠിപ്പിച്ചേക്കാം. ഇത് ഒഴിവാക്കാൻ ഞങ്ങൾ കഠിനമായി ശ്രമിക്കുന്നു, ഇത് സംഭവിക്കുമ്പോൾ അതിനെ ഒരു ഗുരുതരമായ ബഗായി കണക്കാക്കുന്നു—പെരുമാറ്റത്തെയോ മോഡൽ സ്പെക് ക്രമീകരിച്ച് അവയെ തന്നെയോ പരസ്പരം പൊരുത്തത്തിലാക്കാൻ പ്രവർത്തിക്കുന്നതിലൂടെ.
• സാധ്യമായ എല്ലാ പെരുമാറ്റങ്ങളുടെയും വിസ്തൃതി പരിശീലനത്തിന് ഒരിക്കലും പൂർണ്ണമായി ഉൾക്കൊള്ളാനാവില്ല. യഥാർത്ഥ ഉപയോഗത്തിൽ, വ്യാപകമായ തോതിൽ മാത്രമായി കാണപ്പെടുന്ന നിരവധി സന്ദർഭങ്ങളും അപൂർവമായ അതിരുവിട്ട സാഹചര്യങ്ങളും ഉണ്ടാകും. ഒരു പരിശീലന പ്രക്രിയക്കും ഇത് എല്ലാം ഉൾക്കൊള്ളാൻ കഴിയില്ല.
• സാമാന്യവൽക്കരണം നാം ഉദ്ദേശിച്ചതിൽ നിന്ന് വ്യത്യസ്തമായിരിക്കാം. ഒരു മോഡൽ പരിശീലനത്തിൽ “ശരിയായ” ഔട്ട്പുട്ടുകൾ ഉദ്ദേശിക്കാത്ത കാരണങ്ങളാൽ സൃഷ്ടിക്കാം, ഇത് പുതിയ സാഹചര്യങ്ങളിൽ ഉദ്ദേശിക്കാത്ത പെരുമാറ്റത്തിലേക്ക് നയിക്കാം. ചിന്ത-വിചാരം അടിസ്ഥാനമാക്കിയ അലൈൻമെന്റ്⁠ പോലുള്ള സാങ്കേതികതകൾ സഹായിച്ചേക്കാം, പക്ഷേ അവ ഒരു പൂർണ്ണ പരിഹാരമല്ല.

കൂടുതൽ വ്യാപകമായി പറഞ്ഞാൽ, മോഡൽ സ്പെക് ആഗ്രഹിക്കുന്ന പെരുമാറ്റങ്ങളുടെ വിപുലമായ ഒരു ശ്രേണി വിവരിക്കുന്നു എന്നത്, അവയെല്ലാം പഠിപ്പിക്കാൻ ഒരൊറ്റ രീതി മാത്രമേ ഉള്ളൂ എന്ന് അർത്ഥമാക്കുന്നില്ല. പെരുമാറ്റത്തിന്റെ വ്യത്യസ്ത വശങ്ങൾ—നിർദ്ദേശങ്ങൾ പാലിക്കൽ, സുരക്ഷാ പരിധികൾ, വ്യക്തിത്വം, അനിശ്ചിതത്വത്തെ അളവൊത്ത രീതിയിൽ പ്രകടിപ്പിക്കൽ, മുതലായവ—പലപ്പോഴും വ്യത്യസ്ത സാങ്കേതികതകൾ ആവശ്യപ്പെടുകയും വ്യത്യസ്ത പരാജയ രൂപങ്ങൾ കാണിക്കുകയും ചെയ്യുന്നു. മോഡൽ സ്പെക് ഉദ്ദേശിച്ചിരിക്കുന്ന പെരുമാറ്റം മനസ്സിലാക്കുന്നതും വിമർശനാത്മകമായി വിലയിരുത്തുന്നതും എളുപ്പമാക്കുന്നു, പക്ഷേ അതിനെ ഫലപ്രദമായി നടപ്പിലാക്കുന്നത് ഇപ്പോഴും ഒരു കലയും സജീവമായ ഗവേഷണ മേഖലയുമാണ്.

ഈ പോസ്റ്റിനൊപ്പം, ഞങ്ങൾ മോഡൽ സ്പെക് മൂല്യനിർണ്ണയങ്ങൾ⁠(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) പുറത്തിറക്കുന്നു: പ്രതിനിധിയായി കുറച്ച് ഉദാഹരണങ്ങൾ ഉപയോഗിച്ച് മോഡൽ സ്പെക്കിലുള്ള കഴിയുന്നത്ര കൂടുതൽ പ്രസ്താവനകൾ ഉൾക്കൊള്ളാൻ ശ്രമിക്കുന്ന, സാഹചര്യങ്ങളെ അടിസ്ഥാനമാക്കിയുള്ള ഒരു മൂല്യനിർണ്ണയ സ്യൂട്ട്. മോഡലിന്റെ പെരുമാറ്റവും മോഡൽ സ്പെക്കും എവിടെയാണ് ഒത്തുപോകാത്തത് എന്നത് പിന്തുടരാനും, മോഡലുകൾ മോഡൽ സ്പെക്കിനെ ഞങ്ങൾ ഉദ്ദേശിച്ച രീതിയിൽ വ്യാഖ്യാനിക്കുന്നുണ്ടോ എന്ന് പരിശോധിക്കാനും ഇത് സഹായിക്കുന്നു. പ്രത്യേക സുരക്ഷാ മേഖലകൾ, സത്യസന്ധതയും അന്ധസമ്മതിയും, വ്യക്തിത്വവും ശൈലിയും, കഴിവുകളും ഉൾപ്പെടെ, പെരുമാറ്റത്തിന്റെ നിരവധി മാനങ്ങളിലുടനീളമുള്ള കൂടുതൽ ലക്ഷ്യബദ്ധമായ വിലയിരുത്തലുകളും ഉൾക്കുന്ന ഒരു വിപുലമായ മൂല്യനിർണ്ണയ തന്ത്രത്തിന്റെ ഭാഗമാണ് ഈ മൂല്യനിർണ്ണയങ്ങൾ.

പ്രായോഗികമായി, മിക്ക സ്പെസിഫിക്കേഷൻ അപ്‌ഡേറ്റുകൾക്കും പ്രേരകമാകുന്നത് ആവർത്തിച്ച് വരുന്ന ഒരു കൂട്ടം ഇൻപുട്ടുകളാണ്:

• പൊതു പ്രശ്നങ്ങളും അഭിപ്രായങ്ങളും. ആശയക്കുഴപ്പങ്ങൾ, അതിരുകേസുകൾ, അല്ലെങ്കിൽ പരാജയ രീതികൾ—മോഡൽ സ്പെക്കിന്റെ ഭാഷയിലോ ഞങ്ങളുടെ മോഡലുകളുടെ പെരുമാറ്റത്തിലോ ഉള്ളത്.
• ആന്തരിക പ്രശ്നങ്ങൾ. വികസനത്തിന്റെയും പരിശോധനയുടെയും സമയത്ത് ഞങ്ങൾ കാണുന്ന പാറ്റെണുകള്‍, വ്യത്യസ്തമായ യുക്തിസഹമായ വ്യാഖ്യാനങ്ങൾ വ്യത്യസ്തമായ പെരുമാറ്റത്തിലേക്ക് നയിക്കുന്ന അവ്യക്തതകൾ ഉൾപ്പെടെ.
• പെരുമാറ്റവും സുരക്ഷാ നയങ്ങളുടെയും അപ്‌ഡേറ്റുകൾ. ഉയർന്ന-തല നിയന്ത്രണങ്ങളിലോ പ്രതിബദ്ധതകളിലോ മാറ്റം സംഭവിക്കുമ്പോൾ, സ്പെക് ആ പുതിയ ഘടന വ്യക്തമായി പ്രതിഫലിപ്പിക്കേണ്ടതാണ്.
• പുതിയ കഴിവുകളും ഉൽപ്പന്നങ്ങളും. മോഡലുകൾ പുതിയ പെരുമാറ്റങ്ങളിൽ കൂടുതൽ കഴിവുകൾ നേടുകയും ഞങ്ങൾ പുതിയ ഉൽപ്പന്നങ്ങൾ പുറത്തിറക്കുകയും ചെയ്യുമ്പോൾ, മോഡൽ സ്പെക് ഉള്ളടക്കത്തിലും വ്യാപ്തിയിലും കാലാനുസൃതമായി നിലനിർത്താൻ ഞങ്ങൾ ആഗ്രഹിക്കുന്നു. ഉദാഹരണത്തിന്, മൾട്ടിമോഡൽ ഇടപെടലുകൾക്കായുള്ള നിയമങ്ങൾ⁠(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു), സ്വയംഭരണ ഏജന്റുകൾ⁠(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു), 18 വയസ്സിന് താഴെയുള്ള ഉപയോക്താക്കൾ⁠(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) എന്നിവ ചേർക്കൽ.

ചില രൂപകൽപ്പനാ തത്വങ്ങൾ മോഡൽ സ്പെക് എങ്ങനെ എഴുതുകയും പരിഷ്‌കരിക്കുകയും ചെയ്യുന്നു എന്നതിനെ നയിക്കുന്നു.

• വ്യക്തതയും കൃത്യതയും. “സത്യസന്ധരാകുക” എന്നത് ഒരു നല്ല മൂല്യമാണ്, എന്നാൽ അത് തീരുമാനമെടുക്കുന്നതിനുള്ള സമ്പൂർണ്ണ നടപടിക്രമമല്ല. മോഡൽ സ്പെക് അഭിപ്രായവ്യത്യാസങ്ങളെ കൂടുതൽ വ്യക്തമാക്കണം, യോജിപ്പുള്ള ഭാഷയുടെ പിന്നിൽ അവയെ മറച്ചുവെക്കരുത്. പ്രായോഗികമായിടത്ത്, നിയമങ്ങൾ തമ്മിലുള്ള സാധ്യതയുള്ള വൈരുദ്ധ്യങ്ങൾ നാം വ്യക്തമായി ചൂണ്ടിക്കാണിക്കണം, കൂടാതെ അവ പരിഹരിക്കുന്നതിനുള്ള മാർഗ്ഗനിർദ്ദേശമോ ഉദാഹരണങ്ങളോ നൽകണം. ഉദാഹരണത്തിന്, കള്ളം പറയരുത്⁠(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) എന്നത് ഊഷ്മളമായി ഇരിക്കുക⁠(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) എന്നതുമായുള്ള ഒരു സാധ്യതയുള്ള സംഘർഷത്തെ ചൂണ്ടിക്കാണിക്കുന്നു. അതിൽ, സഹായി മര്യാദയുടെ മാനദണ്ഡങ്ങൾ പാലിക്കണം എന്ന് വിശദീകരിക്കുമ്പോഴും, അന്ധസമ്മതി⁠(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) യായി മാറാവുന്നതും ഉപയോക്താവിന്റെ മികച്ച താൽപ്പര്യങ്ങൾക്ക് വിരുദ്ധമായിരിക്കാവുന്നതുമായ നിരുപദ്രവകരമായ കള്ളങ്ങളിൽ വരെ പോകാതിരിക്കണമെന്നും വ്യക്തമാക്കുന്നു.
• പ്രധാനമായ നിയമങ്ങൾ. ഒരു വായനക്കാരന് യാഥാർത്ഥ്യതയുള്ള ഒരു പ്രോംപ്റ്റ് എടുത്ത്, മറ്റൊരു വായനക്കാരന് അത് വ്യക്തമായി പരിധിക്കുള്ളിലാണോ പുറത്താണോ എന്ന് തിരിച്ചറിയാൻ കഴിയുന്ന തരത്തിലുള്ള ഉത്തരം സൃഷ്ടിക്കാൻ കഴിയണം (ചില അതിരുകളില്‍ വിധിനിർണയങ്ങൾ ആവശ്യമാണെങ്കിലും).
• സിഗ്നലിനെ അപേക്ഷിച്ച് ശബ്ദം പരമാവധിയായി കുറയ്ക്കുന്ന ഉദാഹരണങ്ങൾ. ഉയർന്ന നിലവാരമുള്ള ഒരു സ്പെക്ക് അപ്ഡേറ്റ് വികസിപ്പിക്കുന്നതിൽ നല്ല ഉദാഹരണങ്ങൾ പലപ്പോഴും കേന്ദ്ര ഘടകമാണ്. മോഡൽ സ്വഭാവം നിർവചിക്കുന്നതിലെ ബുദ്ധിമുട്ടുകളുടെ കാതലിലേക്ക് എത്തിച്ചേരാൻ, പ്രയാസകരമായ സംഘർഷങ്ങളെ ഉപരിതലത്തിലേക്ക് കൊണ്ടുവരാൻ, അവ എങ്ങനെ പരിഹരിക്കണം എന്നതിൽ വ്യക്തമായ നിലപാട് സ്വീകരിക്കാൻ ഉദാഹരണങ്ങൾ സഹായിക്കണം. രണ്ടാമതായി, അവർ ആഗ്രഹിക്കുന്ന ടോണിന്റെയും ശൈലിയുടെയും മാതൃകകളാകാൻ ശ്രമിക്കണം; അത് ഗദ്യരൂപത്തിൽ പ്രകടിപ്പിക്കാൻ ബുദ്ധിമുട്ടാകാം.
• കരുത്ത്. പ്രധാന സംഘർഷവും ഉദ്ദേശിച്ച പരിഹാരവും വ്യക്തമായിരിക്കാനായി, അനാവശ്യമായ അവ്യക്തതയോ സങ്കീർണ്ണതയോ ഉള്ള ഉദാഹരണങ്ങൾ ഒഴിവാക്കാൻ ഞങ്ങൾ ശ്രമിക്കുന്നു.
• സ്ഥിരതയും വ്യക്തമായ ക്രമീകരണവും. മോഡൽ സ്പെക് നിയമങ്ങൾ പരസ്പരം പൂർണ്ണമായും യോജിച്ചിരിക്കുന്നതും ഞങ്ങൾ ഉദ്ദേശിക്കുന്ന മോഡൽ പെരുമാറ്റത്തോടും പൊരുത്തപ്പെടുന്നതുമായിരിക്കാനും, കൂടാതെ ഡോക്യുമെന്റിന്റെ ആകെ ഘടന വ്യക്തവും എളുപ്പത്തിൽ മനസ്സിലാക്കാവുന്നതുമായിരിക്കാനും ഞങ്ങൾ ശ്രമിക്കുന്നു.

മോഡൽ സ്പെക് എന്നത് എല്ലാ പ്രധാന കാര്യങ്ങളും രേഖപ്പെടുത്താനും മോഡലുകൾ എല്ലായ്പ്പോഴും ലക്ഷ്യം കൈവരിക്കുമെന്നും അവകാശപ്പെടുന്നില്ല. ഉദ്ദേശിച്ചിരിക്കുന്ന പെരുമാറ്റം വ്യക്തവും, പ്രവർത്തനക്ഷമവും, പുനഃപരിശോധിക്കാവുന്നതുമായിരിക്കേണ്ടത്ര പ്രധാനമാണെന്ന് ഈ വാദം വ്യക്തമാക്കുന്നു.

മൂന്ന് വിജയ മാനദണ്ഡങ്ങൾ ഞങ്ങളുടെ വികസനത്തെ നയിക്കുന്നു.

• വായനാസൗകര്യം. OpenAI-യുടെ അകത്തും പുറത്തുമുള്ള ആളുകൾക്ക് പെരുമാറ്റത്തെക്കുറിച്ച് കൃത്യമായ പ്രതീക്ഷകൾ രൂപപ്പെടുത്താൻ കഴിയും, കൂടാതെ പെരുമാറ്റം അവരെ അതിശയിപ്പിക്കുമ്പോൾ അതിനെക്കുറിച്ച് വാചകഭാഗങ്ങൾ ചൂണ്ടിക്കാണിക്കാനും കഴിയും.
• പ്രവർത്തനയോഗ്യത. മോഡൽ സ്പെക് മൂല്യങ്ങൾ പ്രകടിപ്പിക്കാൻ മാത്രമല്ല, വിലയിരുത്തലുകൾ രൂപകൽപ്പന ചെയ്യാനും, സംഭവങ്ങൾ നിർണയിക്കാനും, സ്ഥിരതയുള്ള ഉൽപ്പന്ന തീരുമാനങ്ങൾ എടുക്കാനും ഉപയോഗിക്കാം.
• പുനഃപരിശോധനാസാധ്യത. ഞങ്ങൾ പഠിച്ചുകൊണ്ടിരിക്കുമ്പോൾ, മോഡൽ സ്പെക് അസ്ഥിരമായ, നിരന്തരം മാറുന്ന ലക്ഷ്യമായി മാറാതെ വികസിക്കാം.

മോഡലുകളും ഉൽപ്പന്നങ്ങളും വികസിക്കുമ്പോൾ, പുതിയ ശേഷികളെയും വിന്യാസ സാഹചര്യങ്ങളെയും അനുസരിച്ച് മോഡൽ സ്പെക് വിപുലീകരിക്കപ്പെടുകയും കൂടുതൽ വ്യക്തത വരികയും ചെയ്യും എന്ന് ഞങ്ങൾ പ്രതീക്ഷിക്കുന്നു. AGI എല്ലാ മനുഷ്യരാശിക്കും പ്രയോജനപ്പെടുമെന്ന് ഉറപ്പാക്കുക എന്ന ഞങ്ങളുടെ ദൗത്യവുമായി യോജിച്ചും, പെരുമാറ്റ സവിശേഷണം യോജിച്ചും പരിശോധനയ്ക്കു വിധേയമായും നിലനിർത്തുന്നതാണ് ലക്ഷ്യം.