自述文件
Starling-7B 是一款开放（非商业）大型语言模型（LLM），通过从 AI 反馈中进行强化学习训练。（RLAIF）
该模型利用了我们新的 GPT-4 标注排序数据集 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 中得分 8.09，以 GPT-4 作为评判标准，在 MT-Bench 上超过了迄今为止的每个模型，除了 OpenAI 的 GPT-4 和 GPT-4 Turbo。
*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、吴天浩、朱涵林和焦建涛。
如需联系，请联系朱邦华（[email protected]）。