Update README.md

README.md

@@ -9,6 +9,7 @@ pipeline_tag: text-generation
 ---
 [LongAlpaca](https://huggingface.co/Yukang/LongAlpaca-7B)通过对 llama2-chat 进行少量长文本数据的微调，展现出了优秀的长文本对话能力。\
 LongAlpaca-7b-chinese 和 LongAlpaca 使用类似的训练方法：先使用线性位置插值，然后通过少量长文本数据的微调，使其获得优秀的长文本对话能力。\
+使用的数据集与LongAlpaca较为类似，但增加了多文档问答的数据。
 此模型由atom-7b-chat经过lora微调得到，通过线性位置插值，将文本长度从4k扩展到32k，可以完成上万字的多文档检索、论文总结等任务，已经能满足绝大部分需要，而短对话能力几乎没有下降。\
 使用方法：
 ```python
@@ -23,6 +24,7 @@ tokenizer = AutoTokenizer.from_pretrained(model_path, trust_remote_code=True)
 # use auto mode, automatically select precision based on the device.
 model = AutoModelForCausalLM.from_pretrained(model_path, device_map="auto", load_in_8bit=True).eval()
 
+
 question="中国的首都是什么？"
 input_text = "<s>Human: " + question + "\n</s><s>Assistant: "
 input_ids = tokenizer(input_text, return_tensors='pt').input_ids.to(model.device)