自述文件
Starling-7B 是一款通过强化学习从 AI 反馈中训练的开放（非商业）大型语言模型 (LLM)。(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优势。Starling-7B-alpha 在 MT Bench 上得分为 8.09，以 GPT-4 作为评判，超过了目前 MT-Bench 上的所有模型，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。
如需联系，请联系 Banghua Zhu ([email protected])。