Starling-7B 是一個開放 (非商業用途) 的大型語言模型 (LLM)，透過來自 AI 反饋的強化學習進行訓練。(RLAIF)

此模型運用了我們新的 GPT-4 標記排序資料集 Nectar，以及我們新的獎勵訓練和政策調整管線的強大功能。Starling-7B-alpha 在 MT Bench 中獲得 8.09 分 (以 GPT-4 作為評審)，在 MT-Bench 上的表現優於迄今為止的所有模型，OpenAI 的 GPT-4 和 GPT-4 Turbo 除外。

*基於 MT Bench 評估，使用 GPT-4 評分。需要進一步的人工評估。

作者：Banghua Zhu、Evan Frick、Tianhao Wu、Hanlin Zhu 和 Jiantao Jiao。

如有任何問題，請聯繫 Banghua Zhu (banghua@berkeley.edu)。

參考文獻

Starling-7B：透過 RLAIF 提升 LLM 的 Helpfulness (助益性) 和 Harmlessness (無害性)

HuggingFace