自述文件
Starling-7B 是一个通过来自人工智能反馈的强化学习（RLAIF）训练的开放（非商业）大型语言模型（LLM）。
该模型利用了我们新的 GPT-4 标签排序数据集 Nectar 和我们新的奖励训练和策略调整管道的强大功能。Starling-7B-alpha 在 MT Bench 中以 GPT-4 作为评判标准获得了 8.09 分，在 MT-Bench 中超过了除 OpenAI 的 GPT-4 和 GPT-4 Turbo 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])。