自述文件
Starling-7B 是一款开放的（非商业）大型语言模型 (LLM)，通过基于人工智能反馈的强化学习 (RLAIF) 进行训练。
该模型利用了我们新的 GPT-4 标记排名数据集 Nectar，以及我们新的奖励训练和策略调整流程。在使用 GPT-4 作为评判标准的 MT Bench 中，Starling-7B-alpha 的得分达到了 8.09，其性能优于 MT-Bench 上迄今为止的所有模型，仅次于 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、朱涵霖和焦建涛。
如需联系，请联系朱邦华 ([email protected])。