mannix / starling-lm-10.7b

Starling-LM-10.7B-beta，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）

109 拉取 更新于 4 个月前

4个月前

bd087c73c668 · 7.6GB

模型
llama
·
10.7B
·
Q5_K_M
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，是 Nexusflow/Starling-LM-7B-beta 的深度升级版本。

该模型旨在作为一个上升级方案直接替换原始的 70 亿参数模型。

我们引入了 Starling-LM-7B-beta，这是一个通过 AI 反馈强化学习（RLAIF）训练的开源大型语言模型 (LLM)。Starling-LM-7B-beta 是使用我们的新奖励模型 Nexusflow/Starling-RM-34B 和基于人类偏好的语言模型微调策略优化方法 Fine-Tuning Language Models from Human Preferences (PPO) 从 Openchat-3.5-0106 训练的。借助排名数据集 berkeley-nest/Nectar 的力量，升级的奖励模型 Starling-RM-34B 以及新的奖励培训和策略调优流水线，Starling-LM-7B-beta 在 GPT-4 作为评判者的 MT Bench 上获得了 8.12 的改进分数。

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