Improve language tag

README.md

@@ -1,72 +1,86 @@
----
-license: mit
-datasets:
-- AISkywalker/music_poet
-base_model:
-- deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B
-- Qwen/Qwen2.5-0.5B-Instruct
-metrics:
-- character
-pipeline_tag: text-generation
-tags:
-- music
----
----
-license: mit
-datasets:
-- AISkywalker/music_poet
---- 歌词生成系统
-- 南京农业大学机器学习课程设计
-
-AIGC创意文本生成，使用LoRA和强化学习进行微调。
-
-项目结构
-
-代码文件
-- `code/__main__.py`: 主程序入口，启动GUI界面
-- `code/_MyModel.py`: 核心模型实现，加载DeepSeek/Qwen模型和LoRA适配器
-- `code/UI.py`: PyQt5实现的用户界面
-- `code/reward.py`: 强化学习的奖励函数实现
-- `code/GRPO.ipynb`: 基于规则的策略优化训练流程
-- `code/data_process.py`: 数据处理脚本
-- `code/LORA.py`: LoRA模型实现
-- `code/LORA_with_CoT.py`: 带思维链的LoRA实现
-
-数据文件夹
-- `data/`: 存放训练数据(CoTdata.txt, DSdata.txt等)
-- `data/CoTdata.txt`: 带思维链的训练数据
-- `data/DSdata.txt`: 关键词：原文训练数据
-- `data/processed_data.txt`: 处理后的训练数据
-
-模型文件夹
-- `DS_LoRA/`: 基础DeepSeek模型的LoRA适配器
-- `DS_RL_model/`: 强化学习微调的DeepSeek模型 
-- `Qwen_LoRA/`: 基础Qwen模型的LoRA适配器
-- `Qwen_CoT_LoRA/`: 带思维链的基础Qwen模型适配器
-
- 使用方法
-
-1. 安装依赖:
-推荐使用conda
-- conda create -name Goodmusic python==3.11 -y
-- conda activate Goodmusic
-  
-下载Pytorch(cuda 12.6)
-- pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126
-  
-下载其他依赖
-- pip install -r requirements.txt
-
-或者使用.env的虚拟环境使用 uv 工具加速下载
-- uv pip install -r requirements.txt
-
-2. 运行程序:
-python code/__main__.py
-
-3. 在GUI界面输入关键词，生成歌词
-
-## 模型训练
-
-1. 数据准备: 将训练数据放入data/文件夹
-2. 运行GRPO.ipynb进行模型训练
+---
+license: mit
+datasets:
+- AISkywalker/music_poet
+base_model:
+- deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B
+- Qwen/Qwen2.5-0.5B-Instruct
+metrics:
+- character
+pipeline_tag: text-generation
+tags:
+- music
+language:
+- zho
+- eng
+- fra
+- spa
+- por
+- deu
+- ita
+- rus
+- jpn
+- kor
+- vie
+- tha
+- ara
+---
+---
+license: mit
+datasets:
+- AISkywalker/music_poet
+--- 歌词生成系统
+- 南京农业大学机器学习课程设计
+
+AIGC创意文本生成，使用LoRA和强化学习进行微调。
+
+项目结构
+
+代码文件
+- `code/__main__.py`: 主程序入口，启动GUI界面
+- `code/_MyModel.py`: 核心模型实现，加载DeepSeek/Qwen模型和LoRA适配器
+- `code/UI.py`: PyQt5实现的用户界面
+- `code/reward.py`: 强化学习的奖励函数实现
+- `code/GRPO.ipynb`: 基于规则的策略优化训练流程
+- `code/data_process.py`: 数据处理脚本
+- `code/LORA.py`: LoRA模型实现
+- `code/LORA_with_CoT.py`: 带思维链的LoRA实现
+
+数据文件夹
+- `data/`: 存放训练数据(CoTdata.txt, DSdata.txt等)
+- `data/CoTdata.txt`: 带思维链的训练数据
+- `data/DSdata.txt`: 关键词：原文训练数据
+- `data/processed_data.txt`: 处理后的训练数据
+
+模型文件夹
+- `DS_LoRA/`: 基础DeepSeek模型的LoRA适配器
+- `DS_RL_model/`: 强化学习微调的DeepSeek模型 
+- `Qwen_LoRA/`: 基础Qwen模型的LoRA适配器
+- `Qwen_CoT_LoRA/`: 带思维链的基础Qwen模型适配器
+
+ 使用方法
+
+1. 安装依赖:
+推荐使用conda
+- conda create -name Goodmusic python==3.11 -y
+- conda activate Goodmusic
+  
+下载Pytorch(cuda 12.6)
+- pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126
+  
+下载其他依赖
+- pip install -r requirements.txt
+
+或者使用.env的虚拟环境使用 uv 工具加速下载
+- uv pip install -r requirements.txt
+
+2. 运行程序:
+python code/__main__.py
+
+3. 在GUI界面输入关键词，生成歌词
+
+## 模型训练
+
+1. 数据准备: 将训练数据放入data/文件夹
+2. 运行GRPO.ipynb进行模型训练
 3. 训练好的模型会保存在对应模型文件夹