Update README.md

README.md

@@ -17,22 +17,21 @@ widget:
 
 ## 简介 Brief Introduction
 
-善于处理NLU任务，采用全词掩码的，中文版的0.97亿参数DeBERTa-v2-Base。
+善于处理NLU任务，采用全词掩码的，中文版的1.1亿参数RoBERTa-base。
 
-Good at solving NLU tasks, adopting Whole Word Masking, Chinese DeBERTa-v2-Base with 97M parameters.
 
 ## 模型分类 Model Taxonomy
 
 |  需求 Demand  | 任务 Task       | 系列 Series      | 模型 Model    | 参数 Parameter | 额外 Extra |
 |  :----:  | :----:  | :----:  | :----:  | :----:  | :----:  |
-| 通用 General  | 自然语言理解 NLU | RoBERTa | RoBERTa |      390M      |    中文 Chinese     |
+| 通用 General  | 自然语言理解 NLU | RoBERTa | RoBERTa |      110M      |    中文 Chinese     |
 
 
 ## 模型信息 Model Information
 
 参考论文：[RoBERTa: A Robustly Optimized BERT Pretraining Approach](https://arxiv.org/abs/1907.11692)
 
-为了得到一个中文版的autohome-roberta-base（390M），我们用autohome语料库(1.2G)进行二次预训练。我们在MLM中使用了全词掩码(wwm)的方式。具体地，我们在预训练阶段中使用了[transformers框架](https://github.com/huggingface/transformers)大概花费了4张A100约4小时。
+为了得到一个中文版的autohome-roberta-base（110M），我们用autohome语料库(1.2G)进行二次预训练。我们在MLM中使用了全词掩码(wwm)的方式。具体地，我们在预训练阶段中使用了[transformers框架](https://github.com/huggingface/transformers)大概花费了4张A100约4小时。
 
 
 ## 使用 Usage
@@ -47,3 +46,5 @@ text = '生活的真谛是[MASK]。'
 fillmask_pipe = FillMaskPipeline(model, tokenizer, device=0)
 print(fillmask_pipe(text, top_k=10))
 ```
+## 参考 Reference
+本readme参考 https://huggingface.co/IDEA-CCNL/Erlangshen-DeBERTa-v2-97M-Chinese