starling-lm

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 标注排序数据集 Nectar 和我们新的奖励训练和策略调整管道的强大功能。Starling-7B-alpha 在 MT Bench 中以 GPT-4 作为评判标准获得了 8.09 的得分，在 MT-Bench 上超越了迄今为止除 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 打分。需要进一步的人工评估。

作者：朱邦华、埃文·弗里克、吴天浩、朱汉林和焦建涛。

如需联系，请联系朱邦华 ([email protected])。

参考资料

Starling-7B：利用 RLAIF 提高 LLM 的帮助性和无害性

HuggingFace