Starling-7B 是一个开放（非商业用途）的大型语言模型 (LLM)，通过来自人工智能反馈的强化学习 (RLAIF) 进行训练。

该模型利用了我们新的 GPT-4 标记排名数据集 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 上使用 GPT-4 作为评判标准时，得分达到 8.09，在 MT-Bench 上优于迄今为止的所有模型，OpenAI 的 GPT-4 和 GPT-4 Turbo 除外。

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

作者：Banghua Zhu, Evan Frick, Tianhao Wu, Hanlin Zhu 和 Jiantao Jiao。

如有任何疑问，请联系 Banghua Zhu ([email protected])。

参考

Starling-7B：通过 RLAIF 提高 LLM 的乐于助人程度和无害性

HuggingFace