Update README.md

README.md

@@ -11,12 +11,10 @@ adapter_model: morizon/llm-jp-3-13b_mix_30000_1209
 inference_framework: transformers
 ---
 
-# モデル名
+# llm-jp-3-13b_mix_30000_1209
 このモデルは日本語テキスト生成タスク向けに最適化されたLoRAアダプタ付きのモデルです。
 
-## 概要
-
-#Sample Use
+## Sample Use
 
 以下は、elyza-tasks-100-TV_0.jsonl回答のためのコードです。
 
@@ -43,7 +41,6 @@ HF_TOKEN = "your_token"
 
 # ベースとなるモデルと学習したLoRAのアダプタ。
 model_id = "llm-jp/llm-jp-3-13b"
-
 adapter_id = "morizon/llm-jp-3-13b_mix_30000_1209"
 
 # QLoRA config
@@ -67,10 +64,10 @@ tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True, toke
 # 元のモデルにLoRAのアダプタを統合。
 model = PeftModel.from_pretrained(model, adapter_id, token = HF_TOKEN)
 
+# モデルを評価モード（推論モード）に切り替える
 model.eval()
 
 # 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。
 datasets = []
 with open("./elyza-tasks-100-TV_0.jsonl", "r") as f:
     item = ""
@@ -142,7 +139,7 @@ for data in tqdm(datasets):
 
 import re
 jsonl_id = re.sub(".*/", "", adapter_id)
-with open(f"./{jsonl_id}-outputs_rev.jsonl", 'w', encoding='utf-8') as f:
+with open(f"./{jsonl_id}-outputs.jsonl", 'w', encoding='utf-8') as f:
     for result in results:
         json.dump(result, f, ensure_ascii=False)  # ensure_ascii=False for handling non-ASCII characters
         f.write('\n')