starling-lm

Starling-7B 是一个开放的（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 中得分 8.09，GPT-4 作为评判，在 MT-Bench 上的表现优于迄今为止除 OpenAI 的 GPT-4 和 GPT-4 Turbo 之外的所有模型。

*基于 MT Bench 评估，使用 GPT-4 评分。需要进一步的人工评估。

作者：Banghua Zhu、Evan Frick、Tianhao Wu、Hanlin Zhu 和 Jiantao Jiao。

如有任何问题，请联系 Banghua Zhu ([email protected])。

参考

Starling-7B：通过 RLAIF 提高 LLM 的有用性和无害性

HuggingFace