自述文件
Starling-7B 是一款通过基于 AI 反馈的强化学习（RLAIF）训练的开放（非商业）大型语言模型（LLM）。
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强大功能。Starling-7B-alpha 在 MT Bench 上的得分是 8.09，以 GPT-4 为评委，在 MT-Bench 上的得分超过了所有现有的模型，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：朱邦华、埃文·弗里克、吴天豪、朱瀚林和焦建涛。
如需联系，请发送邮件至朱邦华 ([email protected])。