Update README.md

README.md

@@ -40,7 +40,7 @@ pipeline_tag: text-generation
 
 
 AI 와 빅데이터 분석 전문 기업인 Linkbricks의 데이터사이언티스트인 지윤성(Saxo) 박사가 <br>
-Mistral-Small-Instruct-2409 베이스모델을 사용해서 H100-80G 8개를 통해 약 40%정도의 파라미터를 한국어 CPT(Continued-Pretraining)->SFT->DPO 한 한글 언어 모델<br>
+Mistral-Small-Instruct-2409 베이스모델을 사용해서 H100-80G 8개를 통해 약 45%정도의 파라미터를 한국어 CPT(Continued-Pretraining)->SFT->DPO 한 한글 언어 모델<br>
 9천만건의 한글 뉴스 코퍼스를 기준으로 다양한 테스크별 한국어-중국어-영어-일본어 교차 학습 데이터와 수학 및 논리판단 데이터를 통하여 한중일영 언어 교차 증강 처리와 복잡한 논리 문제 역시 대응 가능하도록 훈련한 모델이다.<br> 
 -토크나이저는 단어 확장 없이 베이스 모델 그대로 사용<br>
 -고객 리뷰나 소셜 포스팅 고차원 분석 및 코딩과 작문, 수학, 논리판단 등이 강화된 모델<br>
@@ -50,7 +50,7 @@ Mistral-Small-Instruct-2409 베이스모델을 사용해서 H100-80G 8개를 통
 <br><br>
 
 Finetuned by Mr. Yunsung Ji (Saxo), a data scientist at Linkbricks, a company specializing in AI and big data analytics <br>
-about 40% of total parameters Korean CPT(Continued-Pretraining)->SFT->DPO training model based on Mistral-Small-Instruct-2409 through 8 H100-80Gs as a Korean language model <br>
+about 45% of total parameters Korean CPT(Continued-Pretraining)->SFT->DPO training model based on Mistral-Small-Instruct-2409 through 8 H100-80Gs as a Korean language model <br>
 It is a model that has been trained to handle Korean-Chinese-English-Japanese cross-training data and 90M korean news corpus and logic judgment data for various tasks to enable cross-fertilization processing and complex Korean logic & math problems. <br>
 -Tokenizer uses the base model without word expansion<br>
 -Models enhanced with high-dimensional analysis of customer reviews and social posts, as well as coding, writing, math and decision making<br>