starling-lm

Starling-7B 是一个开源（非商业）大型语言模型 (LLM)，通过来自 AI 反馈的强化学习进行训练。（RLAIF）

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力量。Starling-7B-alpha 在 MT Bench 中得分为 8.09，GPT-4 作为评判者，超过了 MT-Bench 上除 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：朱班华、埃文·弗里克、吴天豪、朱涵林和焦建涛。

如需联系，请联系朱班华 ([email protected])。

参考

Starling-7B：使用 RLAIF 提高 LLM 的帮助性和无害性

HuggingFace