starling-lm

Starling-7B 是一款开源（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 标记排序数据集 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，超过了 MT-Bench 上所有其他模型，仅次于 OpenAI 的 GPT-4 和 GPT-4 Turbo。

*基于使用 GPT-4 得分的 MT Bench 评估。需要进一步的人工评估。

作者：朱邦华、Evan Frick、吴天昊、朱汉林和焦建涛。

如有任何问题，请联系朱邦华 ([email protected])。

参考

Starling-7B：使用 RLAIF 提高 LLM 的有用性和无害性

HuggingFace