Update README.md

README.md

@@ -29,7 +29,7 @@ This is the fine-tuned version of the Chinese BERT model on several similarity d
 
 |  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 | 二郎神 Erlangshen | MegatronBert |      1.3B      |     Similarity     |
+| 通用 General  | 自然语言理解 NLU | 二郎神 Erlangshen | MegatronBert |      1.3B      |    相似度 Similarity     |
 
 ## 模型信息 Model Information
 
@@ -66,9 +66,27 @@ print(torch.nn.functional.softmax(output.logits,dim=-1))
 
 ## 引用 Citation
 
-如果您在您的工作中使用了我们的模型，可以引用我们的[论文](https://arxiv.org/abs/2209.02970)：
+如果您在您的工作中使用了我们的模型，可以引用我们的对该模型的论文：
 
-If you are using the resource for your work, please cite the our [paper](https://arxiv.org/abs/2209.02970):
+If you are using the resource for your work, please cite the our paper for this model:
+
+```text
+@article{fengshenbang/erlangshen-megatronbert-sim,
+  author    = {Junjie Wang and
+               Yuxiang Zhang and
+               Ping Yang and
+               Ruyi Gan},
+  title     = {Towards No.1 in {CLUE} Semantic Matching Challenge: Pre-trained Language
+               Model Erlangshen with Propensity-Corrected Loss},
+  journal   = {CoRR},
+  volume    = {abs/2208.02959},
+  year      = {2022}
+}
+```
+
+如果您在您的工作中使用了我们的模型，也可以引用我们的[总论文](https://arxiv.org/abs/2209.02970)：
+
+If you are using the resource for your work, please cite the our [overview paper](https://arxiv.org/abs/2209.02970):
 
 ```text
 @article{fengshenbang,