Update README.md

README.md

@@ -7,7 +7,7 @@ tags:
 - text-generation-inference
 ---
 # BackTo2012
-这是一个仅用2012年的数据从头预训练的一个小模型，模型的知识截止日期是2012年，这意味着模型可以模仿早期互联网风格的内容用了怀旧！  
+这是一个仅用2012年的数据从头预训练的一个小模型，模型的知识截止日期是2012年，这意味着模型可以模仿早期互联网风格的内容用来怀旧！  
 
 ## 简介
 这是基于Github Minimind项目训练的模型！  
@@ -23,17 +23,22 @@ tags:
 | 序列长度 | 512 | 
 
 ## 1.训练平台
-GPUP：100 16GB  
+GPU：100 16GB  
 训练时长：大约10小时  
+数据集：差不多2GB  
 
 ## 2.使用指南
 *   你需要下载这个项目文件（https://github.com/jingyaogong/minimind。），然后把模型文件（pretrain_512.pth）放进out目录里，然后运行eval_llm.py这个文件来启用模型。
 *   需要修改的地方： 
 parser.add_argument('--weight', default='pretrain', type=str, help="权重名称前缀（pretrain, full_sft, rlhf, reason, ppo_actor, grpo, spo）")    
 parser.add_argument('--hidden_size', default=512, type=int, help="隐藏层维度（512=Small-26M, 640=MoE-145M, 768=Base-104M）")  
-parser.add_argument('--num_hidden_layers', default=8, type=int, help="隐藏层数量（Small/MoE=8, Base=16）")  
+parser.add_argument('--num_hidden_layers', default=8, type=int, help="隐藏层数量（Small/MoE=8, Base=16）")
+
+## 3.未来计划
+目前这个模型还是一个预训练模型，后续也许会训练出sft模型发布。  
+但是我目前在使用更大的数据集预训练更大参数的模型。  
  
-## 3.输出案例
+## 3.输出示例
 
 💬: 微软决定  
 🤖: 在国际上销售Windows 7.1。