自述文件
Starling-7B 是一款通过人工智能反馈强化学习 (RLAIF) 训练的开放（非商业）大型语言模型 (LLM)。
该模型利用了我们新的 GPT-4 标签排序数据集 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 作为评分者，在 MT-Bench 上的表现优于迄今为止所有模型，除了 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：朱班华、埃文·弗里克、吴天豪、朱涵林和焦建涛。
如有任何问题，请联系朱班华 ([email protected])。