Add some results

README.md

@@ -120,7 +120,7 @@ LawGPT 系列模型的训练过程分为两个阶段：
 ### 二次训练流程
 
 1. 参考 `data/example_instruction_train.json` 构造指令微调数据集
-2. 运行 `src/scripts/train.sh` 
+2. 运行 `src/scripts/train_lora.sh` 
 
 ### 指令精调步骤
 
@@ -135,9 +135,21 @@ LawGPT 系列模型的训练过程分为两个阶段：
 
 ### 输出示例
 
-<details><summary>问题：欠了信用卡的钱还不上要坐牢吗？</summary>
+<details><summary>问题：请给出判决意见。</summary>
 
-![](assets/demo/example-01.jpeg)
+![](assets/demo/example-05.jpeg)
+
+</details>
+
+<details><summary>问题：请介绍赌博罪的定义。</summary>
+
+![](assets/demo/example-06.jpeg)
+
+</details>
+
+<details><summary>问题：请问加班工资怎么算？</summary>
+
+![](assets/demo/example-04.jpeg)
 
 </details>
 
@@ -147,12 +159,19 @@ LawGPT 系列模型的训练过程分为两个阶段：
 
 </details>
 
-<details><summary>问题：你能否写一段抢劫罪罪名的案情描述？</summary>
+<details><summary>问题：欠了信用卡的钱还不上要坐牢吗？</summary>
 
-![](assets/demo/example-03.jpg)
+![](assets/demo/example-01.jpeg)
 
 </details>
 
+<details><summary>问题：你能否写一段抢劫罪罪名的案情描述？</summary>
+
+![](assets/demo/example-03.jpeg)
+
+</details>
+
+
 ### 局限性
 
 由于计算资源、数据规模等因素限制，当前阶段 LawGPT 存在诸多局限性：

src/scripts/train.sh

@@ -1,6 +1,6 @@
 #!/bin/bash
 
-WORLD_SIZE=8 CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7 torchrun --nproc_per_node=8 --master_port=1235 train.py \
+WORLD_SIZE=8 CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7 torchrun --nproc_per_node=8 --master_port=1235 train_lora.py \
     --base_model '../models/base_models/chinese_llama_7b' \
     --data_path '' \
     --output_dir '../models/lora_weights' \