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)。

此模型利用了我們新的 GPT-4 標記排名資料集 Nectar，以及我們新的獎勵訓練和策略調整管線的功能。Starling-7B-alpha 在 MT Bench 中以 GPT-4 作為評審獲得 8.09 分，在 MT-Bench 上的表現優於至今為止的所有模型，除了 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。

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

參考

Starling-7B：透過 RLAIF 提升 LLM 的樂於助人程度與無害性

HuggingFace