自述文件
Starling-7B 是一个开放（非商业）大型语言模型 (LLM)，通过强化学习从人工智能反馈中进行训练。 (RLAIF)
该模型利用了我们新的 GPT-4 标记排名数据集 Nectar 和我们新的奖励训练和策略调整管道的强大功能。Starling-7B-alpha 在 MT Bench 上得分 8.09，以 GPT-4 作为评分标准，在 MT-Bench 上超越了迄今为止所有模型，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：朱邦华、Evan Frick、吴天浩、朱翰林和焦建涛。
如有任何疑问，请联系朱邦华 ([email protected])。