Update README.md

README.md

@@ -22,9 +22,12 @@ This llama model was trained 2x faster with [Unsloth](https://github.com/unsloth
 [<img src="https://raw.githubusercontent.com/unslothai/unsloth/main/images/unsloth%20made%20with%20love.png" width="200"/>](https://github.com/unslothai/unsloth)
 
 
-
+松尾研大規模言語モデル講座2024のコンペ用の提出モデル作成の一環として作成・公開しています。
+学習データ等の詳細については元モデルの概要をご確認ください。
 以下は出力方法の記載です(elyza-tasks-100-TV_0.jsonlの回答を得る方法）。
 
+推論方法
+松尾研大規模言語モデル講座2024のコンペのタスクの推論方法を以下に記載します。
 
 ~~~
 # 必要なライブラリをインストール
@@ -52,8 +55,8 @@ model, tokenizer = FastLanguageModel.from_pretrained(
 )
 FastLanguageModel.for_inference(model)
 
-# データセットの読み込み。
-# omnicampusの開発環境では、左にタスクのjsonlをドラッグアンドドロップしてから実行。
+# データセットの読み込み。以elyza-tasks-100-TV_0.jsonlを同じディレクトリに配置します。
+# omnicampusの開発環境では、左にタスクのjsonlをドラッグアンドドロップしてから実行します。
 datasets = []
 with open("/content/elyza-tasks-100-TV_0 .jsonl", "r") as f:
     item = ""
@@ -66,7 +69,7 @@ with open("/content/elyza-tasks-100-TV_0 .jsonl", "r") as f:
 
 from tqdm import tqdm
 
-# 推論
+# 推論　推論が完了するとデフォルトではllm-jp-3-13b-it_MN_v2_output.jsonlに回答が保存されます。
 results = []
 for dt in tqdm(datasets):
   input = dt["input"]