Llama 2 Chat 70B supera a ChatGPT (3.5) en evaluación de modelos

• Según el leaderboard de AlpacaEval, que evalúa automáticamente modelos de lenguaje de seguimiento de instrucciones
• GPT-4 95.28% > Llama Chat 70B 92.66% > Claude 2 91.36% > ChatGPT 89.37%
• AlpacaEval realiza la evaluación automática comparando con las respuestas generadas por GPT-4 usando el conjunto de evaluación de AlpacaFarm