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 标签排名数据集 Nectar 以及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 中以 GPT-4 作为评委获得了 8.09 分，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。

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

作者：朱班华、Evan Frick、吴天昊、朱涵林和焦建涛。

如有任何疑问，请联系朱班华 ([email protected])。

参考

Starling-7B：使用 RLAIF 提高 LLM 的帮助能力和无害性

HuggingFace