mannix / starling-lm-10.7b

Starling-LM-10.7B-beta，一个由强化学习从AI反馈（RLAIF）训练的开源大型语言模型（LLM）

109 拉取 更新于4个月前

4 个月前

331244a15e85 · 6.1GB

模型
llama
·
10.7B
·
Q4_0
模板
"{{ if .System }}GPT4 正确系统：{{ .System }}<|end_of_turn|>{{ end }}{{ if .Prompt }}GPT4 正确用户：{{ .Prompt }}<|end_of_turn|>{{ end }}GPT4 正确助手：{{ .Response }}<|end_of_turn|>"
参数
{"stop":["<|endoftext|>","<|end_of_turn|>","Human:","Assistant:"],"temperature":0.1}

README

这是 Starling-LM-10.7B-beta，它是 Nexusflow/Starling-LM-7B-beta 的深度提升版本。

此模型旨在作为原始 70 亿参数模型的替换升级使用。

我们引入了 Starling-LM-7B-beta，这是一个通过强化学习从人工智能反馈（RLAIF）训练的开源大型语言模型（LLM）。Starling-LM-7B-beta 使用我们的新奖励模型 Nexusflow/Starling-RM-34B 和策略优化方法微调语言模型（PPO）从 Openchat-3.5-0106 训练。利用排名数据集 berkeley-nest/Nectar 的力量，升级的奖励模型 Starling-RM-34B 和新的奖励训练和策略调整管道，Starling-LM-7B-beta 在使用 GPT-4 作为评审员的 MT Bench 中得分提高至 8.12。

重要：在极少数情况下，模型输出可能很冗长。请考虑将温度设置为 0 以减少这种情况的发生。默认温度设置为 0.1

@HuggingFace https://hugging-face.cn/bartowski/Starling-LM-10.7B-beta-GGUF