本文へスキップ

Starling-7B

RLAIF で学習した公開の大規模言語モデル

公式サイトを見る

Starling-7B とは

本モデルは AI フィードバックによる強化学習と Nectar の並び替えデータで鍛えた公開言語モデルと紹介されている。

できること

  • 公開された並び替えデータを使う
  • 公開の報酬モデルと言語モデルを読み込む
  • LMSYS Chatbot Arena の演示を試す

モデルについて

  • 資料は MT Bench を 8.09 と記す
  • 資源は HuggingFace で公開される
  • 目的は使いやすさと安全性の向上とされる

長所と短所

✓ 良い点

  • 言語モデル Starling-LM-7B-alpha が公開される
  • 資料は使いやすさと安全性の向上を目的に挙げる

! 注意したい点

  • 学習は AI からのフィードバックに依存
  • 並び替えのラベルは GPT-4 由来

よくある質問

記載された数値は?

資料は GPT-4 を審判とする MT Bench で 8.09 と記す。

何が公開された?

資料は Nectar、Starling-RM-7B-alpha、Starling-LM-7B-alpha を挙げる。

最終評価日: 2026-11-15

その他 LLM APIプラットフォーム ツール

すべて見る →

評価方法