starling-lm

Starling-7B 是一个开源（非商业）大型语言模型 (LLM)，通过强化学习从人工智能反馈中训练。（RLAIF）

该模型利用了我们新的 GPT-4 标签排名数据集 Nectar 和我们新的奖励训练和策略调整管道。在 MT Bench 上，使用 GPT-4 作为评判，Starling-7B-alpha 得分 8.09，在 MT-Bench 上超过了迄今为止所有模型，仅次于 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：朱邦华、埃文·弗里克、吴天昊、朱翰林和焦建涛。

如需联系，请联系朱邦华 ([email protected])。

参考

Starling-7B：使用 RLAIF 提高 LLM 的帮助性和无害性

HuggingFace