update readme.md

README.md

@@ -11,6 +11,16 @@ BERT-large是BERT模型的一个更大、更复杂的版本。与BERT-base相比
 
 BERT-large包含24个Transformer编码器，每个编码器有1024个隐藏层，总共包含340M个参数。在预训练阶段，BERT-large使用更多的未标记的文本数据进行预训练，并使用Masked Language Model（MLM）和Next Sentence Prediction（NSP）两个任务来优化模型。BERT-large的预训练阶段比BERT-base更复杂，并且需要更长的时间来训练。
 
+## 目标精度
+
+0.72 Mask-LM accuracy
+
+## MLPerf代码参考版本
+
+版本：v1.0 
+
+原始代码位置：https://github.com/mlcommons/training_results_v1.0/tree/master/NVIDIA/benchmarks/bert/implementations/pytorch
+
 ## 数据集
 模型训练的数据集来自Wikipedia 2020/01/01，即一种常用的自然语言处理数据集，它包含了维基百科上的文章和对应的摘要（即第一段内容），可用于各种文本相关的任务，例如文本分类、文本摘要、命名实体识别等。