更新modelzoo提交格式

README.md

-# Baichuan-13B_CPP
+# Baichuan-13B_fastllm
 
 ## 论文
 
@@ -8,28 +8,30 @@ https://arxiv.org/abs/2309.10305
 
 ## 模型结构
 
-Baichuan系列模型是由百川智能开发的开源大规模预训练模型，包含7B和13B等规模。其中，Baichuan-7B在大约1.2万亿tokens上训练的70亿参数模型，支持中英双语，上下文窗口长度为4096。Baichuan-13B是由百川智能继Baichuan-7B之后开发的包含130亿参数模型，它在高质量的语料上训练了1.4万亿tokens，超过LLaMA-13B 40%，是当前开源 13B 尺寸下训练数据量最多的模型。此外，百川智能还发布了对齐模型（Baichuan-13B-Chat），具有很强的对话能力。
+Baichuan-13B是由百川智能继Baichuan-7B之后开发的包含130亿参数模型，它在高质量的语料上训练了1.4万亿tokens，超过LLaMA-13B 40%。
+
+Baichuan 2 是百川智能推出的新一代开源大语言模型，采用 2.6 万亿Tokens 的高质量语料训练。
 
 模型具体参数：
 
-| 模型名称 | 隐含层维度 | 层数 | 头数 | 词表大小 | 总参数量 | 位置编码 | 最大长 |
-| -------- | -------- | -------- | -------- | -------- | -------- | -------- | -------- |
-| Baichuan-13B | 5,120 | 40 | 	40 | 64,000 | 13,264,901,120 | ALiBi | 4096 |
+| 模型名称 | 隐含层维度 | 层数 | 头数 | 词表大小 | 位置编码 | 最大序列长度 |
+| -------- | -------- | -------- | -------- | -------- | -------- | -------- |
+| Baichuan-13B | 5,120 | 40 | 	40 | 64000 | ALiBi | 4096 |
+| Baichuan2-13B | 5,120 | 40 | 40 | 125696 | ALiBi | 4096 |
 
 ## 算法原理
-Baichuan整体模型基于标准的Transformer结构，采用了和LLaMA一样的模型设计。Baichuan-13B使用了ALiBi线性偏置技术，相对于Rotary Embedding计算量更小，对推理性能有显著提升。
-
-## 模型下载
-
-[原版模型下载]([baichuan-inc/Baichuan-13B-Chat · Hugging Face](https://huggingface.co/baichuan-inc/Baichuan-13B-Chat))
+Baichuan整体模型基于标准的Transformer结构，采用了和LLaMA一样的模型设计。其中，Baichuan-7B在结构上采用Rotary Embedding位置编码方案、SwiGLU激活函数、基于RMSNorm的Pre-Normalization。Baichuan-13B使用了ALiBi线性偏置技术，相对于Rotary Embedding计算量更小，对推理性能有显著提升
 
 ## 环境配置
 
 ### 环境准备
+
 在光源可拉取推理的docker镜像，拉取方式如下：
+
 ```
 docker pull image.sourcefind.cn:5000/dcu/admin/base/pytorch:1.13.1-centos7.6-dtk-23.04-py38-latest
 ```
+
 ### 容器启动
 
 模型推理容器启动命令参考如下，用户根据需要修改：
@@ -56,13 +58,25 @@ cd package
 python setup install
 ```
 
+## 数据集
+
+无
+
+## 推理
+
+### 原版模型下载
+
+[baichuan-inc/Baichuan-13B-Chat · Hugging Face](https://huggingface.co/baichuan-inc/Baichuan-13B-Chat)
+
+[baichuan-inc/Baichuan2-13B-Chat · Hugging Face](https://huggingface.co/baichuan-inc/Baichuan2-13B-Chat)
+
 ### 模型转换
 
 ```
 # 为了精简镜像，光源镜像中未包含模型推理时不需要的原版Baichuan-13B-chat模型运行所需要的依赖，
 # 如果有现成的原版Baichuan-13B-chat的运行环境中，可以将模型转换脚本baichuan2flm.py移动到原版模型的运行环境中，
 # 也可以通过执行pip install -r requirements.txt安装模型转换所需依赖；
-# 如果使用已经下载完成的模型或者自己finetune的模型需要修改baichuan2flm.py文件中创建tokenizer, model时的模型存放路径
+# 对于已经下载完成的模型或者自己finetune的模型需要修改baichuan2flm.py文件中创建tokenizer, model时的模型存放路径
 # 执行：
 python3 baichuan2flm.py baichuan-13b-fp16.bin float16 # 导出fp16模型，参数为导出的模型路径
 
@@ -71,7 +85,7 @@ python3 baichuan2flm.py baichuan-13b-int8.bin int8 # 导出fp16模型，参数
 ```
 
 
-### 模型推理
+### 模型推理运行实例
 
 ```
 # 命令行聊天程序，使用了模型创建以及流式对话效果
@@ -97,24 +111,30 @@ chmod +x benchmark
 ./benchmark -p ../baichuan-13b-fp16.bin -f prompts/hello.txt -b 512 -l 18
 ```
 
-## 运行效果展示
+## result
 
 ![baochuan推理](baichuan-13b.gif)
 
+### 精度
+
+无
+
 ## 应用场景
 
 ### 算法类别
 
-`自然语言处理`
+`对话问答`
 
 ### 热点应用行业
 
-`nlp,智能聊天助手,科研`
+`医疗,科研,金融,教育`
 
 ## 源码仓库及问题反馈
 
-- https://developer.hpccube.com/codes/modelzoo/baichuan-13b_cpp
+- https://developer.hpccube.com/codes/modelzoo/baichuan-13b_fastllm
 
 ## 参考资料
 
-- [https://github.com/baichuan-inc/Baichuan-13B](https://github.com/baichuan-inc/Baichuan-13B)
+- https://github.com/baichuan-inc/Baichuan-13B
\ No newline at end of file
+- https://github.com/baichuan-inc/Baichuan2
+

model.properties

 # 模型唯一标识
 modelCode = 416
 # 模型名称
-modelName=Baichuan-13B_CPP
+modelName=baichuan-13b_fastllm
 # 模型描述
 modelDescription=Baichuan-13B 是由百川智能开发的包含 130 亿参数的开源可商用的大规模语言模型，在权威的中文和英文 benchmark 上均取得同尺寸最好的效果
 # 应用场景
-appScenario=推理,NLP,智能聊天助手,金融,教育
+appScenario=推理,对话问答,医疗,科研,金融,教育
 # 框架类型
-frameType=cpp
+frameType=fastllm