自述文件
Starling-7B 是一款开放的（非商业用途）大型语言模型 (LLM)，通过强化学习和人工智能反馈 (RLAIF) 进行训练。
该模型利用我们新的 GPT-4 标签排序数据集 Nectar 和我们新的奖励训练和策略调整流程。在 GPT-4 作为评判标准的 MT Bench 中，Starling-7B-alpha 的得分达到 8.09，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 打分。需要进一步的人工评估。
作者：朱邦华、Evan Frick、吴天豪、朱涵林和焦建涛。
如需联系，请联系朱邦华 ([email protected])。