自述文件
Starling-7B 是一个开源（非商业）大型语言模型 (LLM)，通过强化学习从 AI 反馈中进行训练。（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的力量。Starling-7B-alpha 在 MT Bench 中得分 8.09，以 GPT-4 作为评判标准，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：Banghua Zhu、Evan Frick、Tianhao Wu、Hanlin Zhu 和 Jiantao Jiao。
如有任何问题，请联系 Banghua Zhu ([email protected])。