建议更新 7.4 Empirical Evaluation 的数据

大语言模型的发展非常快，在**7.4 Empirical Evaluation**中介绍的模型和能力，已经难以作为今天的模型的参考了。一年多之后，无论是开源模型还是闭源模型都取得了长足的进步，特别是关于开源模型的**人类对齐**和**工具操作**方面。