自述文件
Starling-7B 是一款开放的（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 标注排名数据集 Nectar 和我们新的奖励训练和策略调整管道的力量。在 MT Bench 上，以 GPT-4 作为评判，Starling-7B-alpha 的得分高达 8.09，超过了目前所有模型，仅次于 OpenAI 的 GPT-4 和 GPT-4 Turbo。
*基于 MT Bench 评估，使用 GPT-4 评分。需要进一步进行人工评估。
作者：Banghua Zhu、Evan Frick、Tianhao Wu、Hanlin Zhu 和 Jiantao Jiao。
如需联系，请联系 Banghua Zhu ([email protected])。