Update README.md

README.md

@@ -42,17 +42,32 @@ Multi Similarity Loss를 이용해 **동일한 코드의 용어** 간에 높은
 **(2) Dense Passage Retrieval (DPR)**
 
 SapBERT-KO-EN을 검색 모델로 만들기 위해 추가적인 Fine-tuning을 해야 합니다.      
-Bi-Encoder 구조로 질의와 텍스트의 유사도를 계산하는 DPR 방식으로 Fine-tuning을 진행했습니다.
+Bi-Encoder 구조로 질의와 텍스트의 유사도를 계산하는 DPR 방식으로 Fine-tuning 했습니다.
 
 - Github : [https://github.com/snumin44/DPR-KO](https://github.com/snumin44/DPR-KO)
 
 ## 3. Training
 
-**(1) Data**
+**(1) Self Alignment Pretraining (SAP)**
+
+SapBERT-KO-EN 학습에 활용한 베이스 모델 및 하이퍼 파라미터는 다음과 같습니다.
+한·영 의료 용어를 수록한 의료 용어 사전인 **KOSTOM**을 학습 데이터로 사용했습니다.
+
+- Model : klue/bert-base
+- Dataset : **KOSTOM**
+- Epochs : 1
+- Batch Size : 64
+- Max Length : 64
+- Dropout : 0.1
+- Pooler : 'cls'
+- Eval Step : 100
+- Threshold : 0.8
+- Scale Positive Sample : 1
+- Scale Negative Sample : 60 
 
+**(2) Dense Passage Retrieval (DPR)**
 
 
-**(2) Training**
 
 
 ## 4. Example