starling-lm

Starling-7B 是一种开放的（非商业）大型语言模型 (LLM)，通过来自 AI 反馈的强化学习进行训练。（RLAIF）

该模型利用了我们新的 GPT-4 标注排名数据集 Nectar 和我们的新奖励训练和策略调整管道的强大功能。Starling-7B-alpha 在 MT Bench 中得分 8.09，以 GPT-4 作为评判，在 MT-Bench 上胜过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 评分。需要进一步的人工评估。

作者：朱班华、埃文·弗里克、吴天昊、朱翰林和焦建涛。

如需联系，请联系朱班华 ([email protected])。

参考

Starling-7B：使用 RLAIF 提高 LLM 的帮助性和无害性

HuggingFace