starling-lm

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

该模型利用了我们新的 GPT-4 标签排名数据集 Nectar 和我们新的奖励训练和策略调整管道。Starling-7B-alpha 在 MT Bench 上以 GPT-4 作为评判标准获得了 8.09 的分数，在 MT-Bench 上的表现优于迄今为止的所有模型，除了 OpenAI 的 GPT-4 和 GPT-4 Turbo。

*基于 MT Bench 评估，使用 GPT-4 打分。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

Starling-7B：通过 RLAIF 提高 LLM 的帮助能力和无害性

HuggingFace