Starling-7B 是一个开放的（非商业）大型语言模型 (LLM)，通过基于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 和我们新的奖励训练和策略调整管道。Starling-7B-alpha 在 MT Bench 中得分 8.09（由 GPT-4 评分），在 MT-Bench 上超越了迄今为止所有模型，仅次于 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：朱邦华、Evan Frick、吴天昊、朱汉林和焦建涛。

如需联系，请联系朱邦华 ([email protected])。

参考文献

Starling-7B：使用 RLAIF 提升 LLM 的实用性和安全性

HuggingFace