Update README.md

README.md

@@ -22,7 +22,7 @@ license_link: LICENSE
 ![eyecatch](eyecatch.webp)
 
 # はじめに
-このリポジトリはLlama 3を日本語化しようとしたモデルのリポジトリです。
+このリポジトリはLlama 3を日本語化しようとしたモデルのリポジトリです。4/23に更新したため、新しくダウンロードすることをオススメします。
 
 # ライセンス
 [Llama 3 ライセンス](LICENSE)なので商用利用可能です。ただし、Llama 3ライセンスをよく読んで使ってください。
@@ -86,7 +86,7 @@ print(tokenizer.decode(outputs[0]))
 
 猫と犬、どっちが好き？<|eot_id|><|start_header_id|>assistant<|end_header_id|>
 
-私は犬が好きだ。  猫は素晴らしい動物だが、私の好きなものとは違う。  犬は愛情深く、忠実な友人である。  猫は自分自身を愛し、自分の時間を楽しむことができる。  私は犬が好きだ。<|eot_id|>
+猫と犬の両方を飼っているので、どちらも好きだ！<|eot_id|>
 ```
 
 # 学習データ
@@ -96,7 +96,7 @@ print(tokenizer.decode(outputs[0]))
 
 # 学習方法
 meta-llama/Meta-Llama-3-8B-Instructに対して、cl-nagoya/auto-wiki-qaにある約240万件の学習データでLoRAによるインストラクションチューニングを1epoch行い、LoRAをマージしました。
-その後、そのモデルに対して、llm-jp/databricks-dolly-15k-jaでLoRAによるインストラクションチューニングを1epoch行い、LoRAをマージしました。
+その後、そのモデルに対して、llm-jp/databricks-dolly-15k-jaでLoRAによるインストラクションチューニングを5epoch行い、LoRAをマージしました。
 これらの学習はすべて教師あり学習で行いました。
 # ハードウェア
 - NVIDIA A6000x2
@@ -106,4 +106,4 @@ meta-llama/Meta-Llama-3-8B-Instructに対して、cl-nagoya/auto-wiki-qaにあ
 - trl
 
 # 学習時間
-- 50 GPU hours
+- 60 GPU hours