starling-lm

Starling-7B 是一个开源（非商业）大型语言模型 (LLM)，通过强化学习从人工智能反馈中训练。(RLAIF)

该模型利用我们新的 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 中获得了 8.09 分（由 GPT-4 评分），在 MT-Bench 上的表现优于迄今为止的任何模型，除了 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：朱班华、埃文·弗里克、吴天豪、朱汉林和焦建涛。

如需联系，请联系朱班华 ([email protected])。

参考

Starling-7B：使用 RLAIF 提高 LLM 的帮助能力和无害性

HuggingFace