自述文件
Starling-7B 是一个开放的（非商业）大型语言模型 (LLM)，通过基于人工智能反馈的强化学习 (RLAIF) 进行训练。
该模型利用了我们新的 GPT-4 标记排序数据集 Nectar，以及我们新的奖励训练和策略微调管道。在以 GPT-4 作为评判标准的 MT Bench 中，Starling-7B-alpha 得分 8.09，其性能超过了 MT-Bench 上除 OpenAI 的 GPT-4 和 GPT-4 Turbo 之外的所有模型。
*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。
如有任何疑问，请联系朱班华 ([email protected])。