自述文件
Starling-7B 是一个通过强化学习从 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。Starling-7B-alpha 在 MT Bench 上以 GPT-4 作为评判员获得了 8.09 的分数，超过了迄今为止 MT-Bench 上的所有模型，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、埃文·弗里克、吴天浩、朱瀚林和焦建涛。
如需联系，请联系朱邦华 ([email protected])。