starling-lm

Starling-7B 是一款开放的（非商业）大型语言模型 (LLM)，通过强化学习从 AI 反馈中训练。（RLAIF）

该模型利用了我们新的 GPT-4 标注排名数据集 Nectar 和新的奖励训练和策略调整管道的力量。Starling-7B-alpha 在 MT Bench 上获得了 8.09 分（GPT-4 作为评判），在 MT-Bench 上的表现优于迄今为止的所有模型，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、吴天豪、朱汉林和焦建涛。

如有问题，请联系朱邦华（[email protected]）。

参考资料

Starling-7B：通过 RLAIF 提高 LLM 的帮助性和无害性

HuggingFace