Update README.md

README.md

@@ -8,7 +8,7 @@
 
 ## 模型结构
 
-DeepSeekMath在DeepSeek-Coder-Base-v1.5-7B的基础上进行预训练,使用了来自Common Crawl的120B与数学相关的token，以及自然语言和代码数据。竞赛级别的MATH基准测试的准确率优于更大参数量的qwen-72B、Llemma-34B等模型
+DeepSeekMath在DeepSeek-Coder-Base-v1.5-7B的基础上进行预训练,使用了来自Common Crawl的120B与数学相关的token，以及自然语言和代码数据。DeepSeekMath 7B在没有依赖外部工具包和投票技术的情况下，在竞争级别的MATH基准上取得了令人印象深刻的51.7%的分数，接近Gemini-Ultra和GPT-4的性能水平。
 <div align=center>
     <img src="./doc/model_accuracy.png"/>
 </div>
@@ -32,7 +32,7 @@ docker pull image.sourcefind.cn:5000/dcu/admin/base/pytorch:2.1.0-centos7.6-dtk2
 docker run -it --shm-size=1024G -v <Host Path>:<Container Path> -v /opt/hyhal:/opt/hyhal --privileged=true --device=/dev/kfd --device=/dev/dri/ --group-add video --name deepseek-math  <your IMAGE ID> bash  # <your IMAGE ID>为以上拉取的docker的镜像ID替换，本镜像为：c85ed27005f2
 cd /home/deepseek-math-pytorch
 pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/  --trusted-host mirrors.aliyun.com
-# deepspeed、bitsandbytes可从whl.zip文件里获取安装：
+# bitsandbytes可从whl.zip文件里获取安装：
 pip install bitsandbytes-0.42.0-py3-none-any.whl
 
 pip uninstall vllm
@@ -47,7 +47,7 @@ pip uninstall vllm
 docker build  -t deepseek-math-df:latest .
 docker run -it --shm-size=1024G -v <Host Path>:<Container Path> -v /opt/hyhal:/opt/hyhal --privileged=true --device=/dev/kfd --device=/dev/dri/ --group-add video --name deepseek-math  deepseek-math-df  bash
 pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/  --trusted-host mirrors.aliyun.com
-# deepspeed、bitsandbytes可从whl.zip文件里获取安装：
+# bitsandbytes可从whl.zip文件里获取安装：
 pip install bitsandbytes-0.42.0-py3-none-any.whl
 
 pip uninstall vllm
@@ -127,7 +127,7 @@ sh 7B_single_node.sh
 | DCU-K100 | 1.0415 | 
 | GPU-A800 | 1.0419 | 
 
-## 应用场景
+
 
 ### 算法类别