自述文件
Starling-7B是一个开放的（非商业用途）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调整流程的强大功能。在以GPT-4作为评判标准的MT Bench中，Starling-7B-alpha的得分达到了8.09，超过了迄今为止MT-Bench上的所有模型，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、Evan Frick、吴天昊、朱汉林和焦建涛。
如需联系，请联系朱邦华 ([email protected])。