Modify in README

README.md

@@ -133,7 +133,7 @@ torchrun --nproc_per_node 1 example_chat_completion.py \
     --max_seq_len 512 --max_batch_size 6
 ```
 
-## 多轮对话
+### 多轮对话
 1. 确认环境安装及模型下载完毕；
 2. 修改[chat.sh](./chat.sh)文件中的`--ckpt_dir`、`--tokenizer_path`参数为本地模型地址，`--max_seq_len`根据自身需求进行修改，调整该值可以增加多轮对话模型的记忆长度，不过需要注意的是这可能会增加模型运算的时间和内存需求；
 3. 执行：
@@ -141,12 +141,15 @@ torchrun --nproc_per_node 1 example_chat_completion.py \
 bash chat.sh
 ```
 
-## Evaluation
+### 验证
 1. 安装`llama-recipes`、`lm-eval`库
 ```bash
 # llama-recipes 下载
 git clone http://developer.hpccube.com/codes/chenych/llama-recipes.git
+cd llama-recipes
+# 移动exact_match.py文件
 mv exact_match.py ~/.cache/huggingface/evaluate/downloads/
+cd ../
 # lm-eval 下载
 git clone http://developer.hpccube.com/codes/chenych/lm-evaluation-harness.git
 cd ./lm-evaluation-harness/
@@ -156,7 +159,9 @@ pip install -e .
 2. 修改待测模型**pretrained**参数地址，例如`/home/Meta-Llama-3-8B-Instruct`，特别地，当前仅支持`hellaswag`数据集进行测试验证。执行以下命令:
 ```bash
 cd /path_of/llama-recipes/recipes/evaluation
+# 必须添加HF_ENDPOINT环境变量
 export HF_ENDPOINT=https://hf-mirror.com
+# 执行
 python eval.py --model hf --model_args pretrained=/home/llama3/Meta-Llama-3-8B-Instruct,dtype="float" --tasks hellaswag --device cuda --batch_size 8
 ```
 <div align=center>

model.properties

@@ -5,6 +5,6 @@ modelName=llama3_pytorch
 # 模型描述
 modelDescription=Meta最新开源模型llama3
 # 应用场景
-appScenario=推理,对话问答,制造,广媒,家居,教育
+appScenario=推理,训练,对话问答,制造,广媒,家居,教育
 # 框架类型
 frameType=pytorch