修改README

README.md

@@ -173,7 +173,7 @@ huggingface-cli download --resume-download lmsys/vicuna-7b-v1.5 --local-dir chec
 ```
 2-2、下载ChatGLM3-6b权重
 * [scnet](http://113.200.138.88:18080/aimodels/chatglm3-6b) 
-* [官网链接](https://huggingface.co/lmsys/vicuna-7b-v1.5)
+* [官网链接](https://huggingface.co/THUDM/chatglm3-6b/tree/main)
 * 代码下载（huggingface）
 ```
 cd VTimeLLM
@@ -205,11 +205,11 @@ VTimeLLM基于Vicuna v1.5训练了英文版本，存储为vtimellm-vicuna-v1-5-7
 * [官网链接](https://cloud.tsinghua.edu.cn/d/6db5d02883124826aa6f/?p=%2Fcheckpoints&mode=list)
 
 解压VTimeLLM权重的代码如下：
-'''
+```
 cd VTimeLLM/checkpoints
 tar -xzvf vtimellm-vicuna-v1-5-7b.tar.gz 
-#tar -xzvf vtimellm-chatglm3-6b.tar.gz
-'''
+# tar -xzvf vtimellm-chatglm3-6b.tar.gz
+```
 以基于Vicuna v1.5的VTimeLLM为例，模型目录结构如下：
 ```
 VTimeLLM:
@@ -239,7 +239,7 @@ HIP_VISIBLE_DEVICES=0 python -m vtimellm.inference \
 ## result
 推理运行的默认推理结果为：
 <div align=center>
-    <video src="./doc/inference_result.png"/>
+    <img src="./doc/inference_result.png"/>
 </div>
 
 ### 精度
@@ -251,7 +251,7 @@ HIP_VISIBLE_DEVICES=0 python -m vtimellm.inference \
 
 ## 应用场景
 ### 算法类别
-`视频生成`
+`视频理解`
 ### 热点应用行业
 `家具,电商,医疗,广媒,教育`
 ## 预训练权重