自述文件
Starling-7B是一个开放（非商业）大型语言模型（LLM），通过AI反馈的强化学习进行训练。（RLAIF）
该模型利用了我们新的GPT-4标记排名数据集Nectar，以及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（使用GPT-4作为裁判），在MT-Bench上的表现优于迄今为止的所有模型，除了OpenAI的GPT-4和GPT-4 Turbo。
*基于MT Bench评估，使用GPT-4评分。 需要进一步的人工评估。
作者：Banghua Zhu，Evan Frick，Tianhao Wu，Hanlin Zhu和Jiantao Jiao。
如有疑问，请联系Banghua Zhu (banghua@berkeley.edu)。