starling-lm

Starling-7B 是一个开放的（非商业）大型语言模型 (LLM)，通过从 AI 反馈中进行强化学习进行训练。（RLAIF）

该模型利用了我们新的 GPT-4 标注排序数据集 Nectar 和我们新的奖励训练和策略调整管道的优势。Starling-7B-alpha 在 MT Bench 中以 GPT-4 作为评判标准获得了 8.09 分，在 MT-Bench 中除了 OpenAI 的 GPT-4 和 GPT-4 Turbo 之外，优于迄今为止所有模型。

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

作者：朱邦华、埃文·弗里克、吴天昊、朱涵林和焦建涛。

如需联系，请联系朱邦华 ([email protected])。

参考文献

Starling-7B：通过 RLAIF 提高 LLM 的帮助性和无害性

HuggingFace