讀我
Starling-7B 是一個開放（非商業用途）的大型語言模型 (LLM)，透過 AI 回饋的強化學習進行訓練。(RLAIF)
這個模型利用我們新的 GPT-4 標記排名資料集 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 中以 GPT-4 作為評審獲得 8.09 分，在 MT-Bench 上超越了迄今為止的所有模型，僅次於 OpenAI 的 GPT-4 和 GPT-4 Turbo。
*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。
如需聯繫，請洽 Banghua Zhu (banghua@berkeley.edu)。