mannix / starling-lm-10.7b

Starling-LM-10.7B(beta)，一个通过AI反馈的强化学习（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

d37a9ec6b121 · 8.8GB

模型
llama
·
10.7B
·
Q6_K
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}

自述文件

这是 Starling-LM-10.7B-beta，是 Nexusflow/Starling-LM-7B-beta 的深度升级版本。

此模型旨在作为原始 70 亿参数模型的即插即用升级使用。

我们引入 Starling-LM-7B-beta，这是一个由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 Openchat-3.5-0106 和我们的新奖励模型 Nexusflow/Starling-RM-34B 及政策优化方法“从人类偏好调整语言模型”（PPO）进行训练。借助排名数据集的强大力量，berkeley-nest/Nectar，升级的奖励模型 Starling-RM-34B 和新的奖励训练及政策调整管道，Starling-LM-7B-beta 使用 GPT-4 作为评判员，在 MT Bench 上获得了 8.12 的改进分。

重要：在罕见情况下，模型输出可能会很冗长。请考虑设置温度为 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