Update README.md

README.md

@@ -9,9 +9,11 @@ tags:
 
 ![logo.jpg](logo.jpg)
 
-Ivy\-VL is a lightweight multimodal model with only 3B parameters. It accepts both image and text inputs to generate text outputs. 
+[Ivy\-VL] is a lightweight multimodal model with only 3B parameters. It accepts both image and text inputs to generate text outputs. 
 
-Thanks to its lightweight design, it can be deployed on edge devices such as AI glasses and smartphones, offering low memory usage and high speed while maintaining strong performance on multimodal tasks. The model is built upon the [Qwen/Qwen2.5-3B-Instruct](https://huggingface.co/Qwen/Qwen2.5-3B-Instruct) language model, with [google/siglip-so400m-patch14-384](https://huggingface.co/google/siglip-so400m-patch14-384) serving as the vision encoder. 
+Thanks to its lightweight design, it can be deployed on edge devices such as AI glasses and smartphones, offering low memory usage and high speed while maintaining strong performance on multimodal tasks.
+
+The model is built upon the [Qwen/Qwen2.5-3B-Instruct](https://huggingface.co/Qwen/Qwen2.5-3B-Instruct) language model, with [google/siglip-so400m-patch14-384](https://huggingface.co/google/siglip-so400m-patch14-384) serving as the vision encoder. 
 
 # Model Summary:
 
@@ -103,7 +105,7 @@ print(text_outputs)
 
 ```plaintext
 @misc{ivy2024ivy-vl,
-    title={LLaVA-NeXT: Improved reasoning, OCR, and world knowledge},
+    title={Ivy-VL:Compact Vision-Language Models Achieving SOTA with Optimal Data},
     url={https://huggingface.co/AI-Safeguard/Ivy-VL},
     author={Ivy Zhang,Jenny N,Theresa Yu and David Qiu},
     month={December},