Starling-7B 是一款开源（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。

该模型利用我们新的 GPT-4 标记排名数据集 Nectar 和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 8.09，在 MT-Bench 上超越了迄今为止所有模型，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、吴天昊、朱韩林和焦建涛。

如需联系，请联系朱邦华 ([email protected])。

参考文献

Starling-7B：使用 RLAIF 提升 LLM 的帮助性和无害性

HuggingFace