Update README.md

README.md

@@ -4,6 +4,9 @@ metrics:
 ---
 ---
 license: apache-2.0
-language:
-- am
----使用**DeepSpeed-RLHF**系统训练：DeepSpeed-HE 能够在 RLHF 中无缝地在推理和训练模式之间切换，使其能够利用来自 **DeepSpeed-Inference** 的各种优化，如张量并行计算和高性能CUDA算子进行语言生成，同时对训练部分还能从 **ZeRO- 和 LoRA-based** 内存优化策略中受益。DeepSpeed-HE 还能够自动在 RLHF 的不同阶段进行智能的内存管理和数据缓存。
+language: am
+
+* **DeepSpeed-RLHF**系统训练：DeepSpeed-HE 能够在 RLHF 中无缝地在推理和训练模式之间切换，使其能够利用来自 **DeepSpeed-Inference** 的各种优化，如张量并行计算和高性能CUDA算子进行语言生成，同时对训练部分还能从 **ZeRO- 和 LoRA-based** 内存优化策略中受益。DeepSpeed-HE 还能够自动在 RLHF 的不同阶段进行智能的内存管理和数据缓存。
+* Train Data：（English）--data_path Dahoas/rm-static Dahoas/full-hh-rlhf Dahoas/synthetic-instruct-gptj-pairwise yitingxie/rlhf-reward-datasets openai/webgpt_comparisons stanfordnlp/SHP
+* Train Data：（Chinese）--data_path wangrui6/Zhihu-KOL Cohere/miracl-zh-queries-22-12 Hello-SimpleAI/HC3-Chinese mkqa-Chinese
+* 可自定义actor model 和 reward model，亦可单独训练rlhf model