third commit

README.md

@@ -36,8 +36,6 @@ docker build --no-cache -t xxx:latest .
 docker run xxx
 ```
 ### Anaconda（方法三）
-此处提供本地配置、编译的详细步骤，例如：
-
 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
@@ -54,38 +52,9 @@ pip install transformers>=4.51.0
 pip install sentence-transformers>=2.7.0
 ```
 ## 数据集
-`此处填写公开数据集名称`
-
-- 此处填写公开数据集在公司内部的下载地址（数据集存放中心为：[SCNet AIDatasets](http://111.11.100.223:58001/ui/aihub/datasets) （非必须），模型用到的各公开数据集请分别填上具体地址。），过小权重文件可打包到项目里。
-- 此处填写公开数据集官网下载地址（必须）。
-
-此处提供数据预处理脚本的使用方法
-```
-python xxx.py
-```
-项目中已提供用于试验训练的迷你数据集，训练数据目录结构如下，用于正常训练的完整数据集请按此目录结构进行制备：
-```
- ── dataset
-    │   ├── label_1
-    │             ├── xxx.png
-    │             ├── xxx.png
-    │             └── ...
-    │   └── label_2
-    │             ├── xxx.png
-    │             ├── xxx.png
-    │             └── ...
-```
+暂无
 ## 训练
-一般情况下，ModelZoo上的项目提供单机训练的启动方法即可，单机多卡、单机单卡至少提供其一训练方法。
-### 单机多卡
-```
-sh xxx.sh # 或python xxx.py
-```
-
-### 单机单卡
-```
-sh xxx.sh 或python xxx.py
-```
+暂无
 ## 推理
 ### vllm推理方法
 ```
@@ -131,7 +100,7 @@ DCU与GPU精度一致，推理框架：vllm。
 ## 预训练权重
 - [multilingual-e5-large](https://huggingface.co/intfloat/multilingual-e5-large)
 ## 源码仓库及问题反馈
-- 
+- https://developer.sourcefind.cn/codes/modelzoo/multilingual-e5_pytorch
 ## 参考资料
 - https://github.com/microsoft/unilm/tree/master/e5