Fix bugs in README.

README.md

@@ -19,7 +19,7 @@ Mistral Small 3.1 (25.03) 是一款多用途模型，专为编程、数学推理
 
 
 ## 环境配置
-`-v 路径`、`docker_nam`e和`imageID`根据实际情况修改
+`-v 路径`、`docker_name`和`imageID`根据实际情况修改
 
 ### Docker（方法一）
 ```bash
@@ -27,7 +27,6 @@ docker pull image.sourcefind.cn:5000/dcu/admin/base/custom:vllm0.8.5-ubuntu22.04
 docker run -it --shm-size 200g --network=host --name {docker_name} --privileged --device=/dev/kfd --device=/dev/dri --device=/dev/mkfd --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -u root -v /path/your_code_data/:/path/your_code_data/ -v /opt/hyhal/:/opt/hyhal/:ro {imageID} bash
 
 cd /your_code_path/mistral-small_pytorch
-pip install mistral_common>=1.5.4
 ```
 
 ### Dockerfile（方法二）
@@ -37,11 +36,10 @@ docker build --no-cache -t mistral-small:latest .
 docker run -it --shm-size 200g --network=host --name {docker_name} --privileged --device=/dev/kfd --device=/dev/dri --device=/dev/mkfd --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -u root -v /path/your_code_data/:/path/your_code_data/ -v /opt/hyhal/:/opt/hyhal/:ro {imageID} bash
 
 cd /your_code_path/mistral-small_pytorch
-pip install mistral_common>=1.5.4
 ```
 
 ### Anaconda（方法三）
-关于本项目DCU显卡所需的特殊深度学习库可从[光合](https://developer.hpccube.com/tool/)开发者社区下载安装。
+关于本项目DCU显卡所需的特殊深度学习库可从[光合](https://developer.sourcefind.cn/tool/)开发者社区下载安装。
 ```bash
 DTK: 25.04
 python: 3.10
@@ -51,11 +49,6 @@ deepspeed: 0.14.2+das.opt2.dtk2504
 ```
 `Tips：以上dtk驱动、python、torch等DCU相关工具版本需要严格一一对应`
 
-其它非深度学习库安装方式如下：
-```bash
-pip install mistral_common>=1.5.4
-```
-
 ## 数据集
 无
 
@@ -69,7 +62,6 @@ git clone https://developer.sourcefind.cn/codes/OpenDAS/llama-factory
 2. 通过[预训练权重](#预训练权重)下载预训练模型，当前用例使用[Mistral-Small-3.1-24B-Instruct-2503](https://huggingface.co/mistralai/Mistral-Small-3.1-24B-Instruct-2503)模型。
 
 #### 全参微调
-
 SFT训练脚本示例，参考`llama-factory/train_full`下对应yaml文件。
 
 **参数修改**：
@@ -81,23 +73,22 @@ SFT训练脚本示例，参考`llama-factory/train_full`下对应yaml文件。
 其他参数如：`--learning_rate`、`--save_steps`可根据自身硬件及需求进行修改。
 
 #### lora微调
-
 SFT训练脚本示例，参考`llama-factory/train_lora`下对应yaml文件。
 参数解释同[#全参微调](#全参微调)
 
 ## 推理
 ### vllm推理方法
 #### offline
-
 ```bash
 python infer_vllm.py --model_name_or_path /path_of/model
 ```
 
 #### server
+1. 启动服务
 ```bash
 vllm serve mistralai/Mistral-Small-3.1-24B-Instruct-2503 --tokenizer_mode mistral --config_format mistral --load_format mistral --tool-call-parser mistral --enable-auto-tool-choice --limit_mm_per_prompt 'image=10' -tp 2 --port 8001 --trust-remote-code --enforce-eager --served-model-name Mistral-Small
 ```
-
+2. 测试结果
 ```bash
 ## 必须添加HF_ENDPOINT环境变量
 export HF_ENDPOINT=https://hf-mirror.com
@@ -110,7 +101,7 @@ python infer_client.py
 </div>
 
 ### 精度
-暂无
+DCU与GPU精度一致，推理框架：pytorch。
 
 ## 应用场景
 ### 算法类别