— Разработчики: Банхуа Чжу, Эван Фрик, Тяньхао Ву, Ханлинь Чжу и Цзянтао Цзяо. — Тип модели: языковая модель, настроенная с помощью RLHF / RLAIF. — Лицензия: лицензия Apache-2.0 при условии, что модель не используется для конкуренции с OpenAI. — Точная настройка на основе модели: ** Openchat 3.5 (на основе Mistral-7B-v0.1). Мы представляем Starling-7B, открытую модель большого языка (LLM), обученную с помощью обучения с подкреплением на основе обратной связи AI (RLAIF). Модель использует возможности нашего нового набора рейтинговых данных с маркировкой GPT-4, berkeley-nest/Nectar, а также нашего нового конвейера обучения вознаграждению и настройки политики. Starling-7B-alpha набирает 8,09 баллов в MT Bench под руководством GPT-4 в качестве судьи, превосходя все модели на сегодняшний день на MT-Bench, за исключением OpenAI GPT-4 и GPT-4 Turbo. Мы публикуем набор рейтинговых данных Nectar, модель вознаграждения Starling-RM-7B-alpha и языковую модель Starling-LM-7B-alpha на HuggingFace, а также онлайн-демонстрацию в LMSYS Chatbot Arena. Следите за нашими будущими кодами и документами, в которых будет представлена более подробная информация обо всем процессе. Starling-LM-7B-alpha — это языковая модель, обученная на Openchat 3.5 с моделью вознаграждения berkeley-nest/Starling-RM-7B-alpha и методом оптимизации политики, основанной на политике, основанной на преимуществах…
Модальности:
Генерация текста
Области применения:
Диалог / чат
Задача: Генерация текста
Автор: berkeley-nest
Теги: mistral, reward model, RLHF, RLAIF, conversational, en, text-generation-inference, endpoints_compatible
Лайков: 559 | Загрузок: 3,953
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
