mannix / starling-lm-10.7b

Starling-LM-10.7B-beta，一个通过增强学习从人工智能反馈（RLAIF）训练的开源大型语言模型（LLM）

109 Pulls 更新时间 4 个月前

4个月前

09a2587fc91e · 11GB

模型
llama
·
10.7B
·
Q8_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}

说明文件

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

此模型旨在作为原 70 亿参数模型的直接升级包使用。

我们引入 Starling-LM-7B-beta，这是一种用于人工智能反馈强化学习（RLAIF）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 和基于人类偏好微调语言模型的策略优化方法 Fine-Tuning Language Models（PPO）从 Openchat-3.5-0106 中训练。利用排名数据集，berkeley-nest/Nectar，升级的奖励模型 Starling-RM-34B 和新的奖励培训和策略调整流程，Starling-LM-7B-beta 在使用 GPT-4 作为评分者的 MT Bench 中获得了 8.12 的改进得分。

重要：在极少数情况下，模型输出可能非常冗长。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