Update README.md

README.md

@@ -9,12 +9,22 @@ pipeline_tag: text-generation
 ---
 # 中文长文本Llama模型
 * [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。
+* 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](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。
 * 此模型与英文版LongAlpaca一样，支持streaming-LLM，从而可以生成更长的文本。[示例代码](https://github.com/dvlab-research/LongLoRA/blob/main/run_streaming_llama_longalpaca.py)
+
+* LongBench中文任务评测结果如下。评测后，发现目前模型在问答、总结等自由回答的任务上表现较好，在分类、多项选择等固定选项的任务上则表现不好，可能是因为微调数据集不包含分类任务。
+|  数据集   | 任务类型  |  评测指标   |  得分   |
+|  ----  | ----  |----   |----   |
+| dureader  | 多文档QA |rouge-L   |0.18369  |
+| multifield_qa  | 单文档QA |rouge-L   |0.40816  |
+| vcsum  | 总结 |rouge-L   |0.15166  |
+| lsht  | 文本分类 |Accuracy   |0.19680  |
+| passage_retrieval  | 文本检索 |Accuracy   |0.06000 |
+
+
 * 使用方法：
 ```python
 from transformers import AutoModelForCausalLM, AutoTokenizer