Update README.md

README.md

@@ -6,10 +6,20 @@
 
 - [https://arxiv.org/pdf/2402.03300]
 
+## 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
+<div align=center>
+    <img src="./doc/model_accuracy.png"/>
+</div>
+
 ## 算法原理
 
-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。引入了群组相对策略优化（GRPO），它在增强数学推理能力的同时，还优化了PPO的内存使用。
+首先，DeepSeekMath通过精心设计的 数据选择管道，充分利用了公开可用的网络数据的巨大潜力。其次，引入了群组相对策略优化（GRPO），GRPO放弃了价值模型，而是从组分数估计基线，它在增强数学推理能力的同时，还优化了PPO的内存使用。
 
+<div align=center>
+    <img src="./doc/model_grpo.png"/>
+</div>
 
 ## 环境配置