Starling-7B 是一个开源（非商业）大型语言模型 (LLM)，通过强化学习和 AI 反馈进行训练。(RLAIF)

该模型利用了我们新的 GPT-4 标记排序数据集 Nectar，以及我们新的奖励训练和策略调整流程。在 MT Bench 中，Starling-7B-alpha 在 GPT-4 作为评判的情况下得分 8.09，其性能优于 MT-Bench 上迄今为止的所有模型，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、吴天浩、朱汉林和焦建涛。

如有任何疑问，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