starling-lm

Starling-7B 是一款通过强化学习从 AI 反馈中训练的开源（非商业）大型语言模型（LLM）。（RLAIF）

该模型利用了我们新的 GPT-4 标记排名数据集 Nectar 和我们新的奖励训练和策略调整管道的强大功能。在以 GPT-4 作为评判的 MT Bench 中，Starling-7B-alpha 的得分达到了 8.09，在 MT-Bench 上超越了除 OpenAI 的 GPT-4 和 GPT-4 Turbo 之外的所有模型。

*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、吴天浩、朱涵林和焦建涛。

如需联系，请联系朱邦华 ([email protected])。

参考

Starling-7B：通过 RLAIF 提高 LLM 的帮助能力和无害性

HuggingFace