Update README.md

README.md

@@ -5,12 +5,19 @@ size_categories:
 language:
 - en
 ---
+* Update on December 24, 2023: Improve the format of answers and require all answers to be provided in their original text.
+
 * English multi document Q&A data created using RedPajamaCommonCrawl data as reference text
-* Each sample contains  <font
+* In the Raw dataset, each sample contains  <font
  color=red> one reference document, 199 irrelevant documents, and a Q-A pair based on the reference document</font>. It can be used to train models to extract the target information from a large number of documents.
+* After filtering, integrating, and transforming the raw data into chatml format instruction fine-tuning data, each sample contains approximately 30 reference documents and 5 corresponding QA pairs.
+
+<br/>
+
+* 2023.12.4更新：改进答案的格式，强制所有答案在回答时必须给出原文。
 
 * 以RedPajamaCommonCrawl数据为参考文本，制作的英文多文档问答数据
-*
- 每个样本包含 <font color=red> 一个参考文档、199个无关文档、一个基于参考文档的问答对</font>。可以训练模型从大量文档中抽取关键信息的能力。
+* 原始数据中，每个样本包含 <font color=red> 一个参考文档、199个无关文档、一个基于参考文档的问答对</font>。可以训练模型从大量文档中抽取关键信息的能力。
+* 原始数据经过筛选、整合转化为chatml形式的指令微调数据后，每条数据大约包含30个参考文档，以及5个对应的问答对。
 
-* dataset size: about 10k
+* dataset size: 11k