starling-lm

Starling-7B 是一个开放的（非商业）大型语言模型 (LLM)，通过来自人工智能反馈的强化学习 (RLAIF) 训练而成。

该模型利用了我们新的 GPT-4 标签排名数据集 Nectar 以及我们的新奖励训练和策略调整管道。Starling-7B-alpha 在 MT Bench 上以 GPT-4 作为评判标准，获得了 8.09 分，在 MT-Bench 上的表现优于迄今为止的所有模型，除了 OpenAI 的 GPT-4 和 GPT-4 Turbo。

*基于 MT Bench 评估，使用 GPT-4 评分。需要进一步的人工评估。

作者：朱班华、Evan Frick、吴天昊、朱汉林和焦建涛。

如需联系，请联系朱班华 ([email protected])。

参考资料

Starling-7B：使用 RLAIF 提高 LLM 的有用性和无害性

HuggingFace