Update README.md

README.md

@@ -11,8 +11,8 @@ 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。
-* 由于指令微调数据的任务类型并不是很多，在面对比较负责的任务时，输出结果的质量仍不能保证。如果使用中遇到问题，欢迎在后台提出discussion。
+* 此模型由[Atom-7b-chat](https://huggingface.co/FlagAlpha/Atom-7B-Chat)，通过线性位置插值，将文本长度从4k扩展到32k，然后经过lora微调得到。目前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。
+* 由于指令微调数据的任务类型并不是很多，在面对比较复杂的任务时，输出结果的质量仍不能保证。如果使用中遇到问题，欢迎在后台提出discussion，帮助我们改进模型。
 * 使用方法：
 ```python
 from transformers import AutoModelForCausalLM, AutoTokenizer