Update README.md

README.md

@@ -10,15 +10,18 @@
 chuxin-embedding 是专为增强中文文本检索能力而设计的嵌入模型。它基于bge-m3-retromae[1]，实现了预训练、微调、精调全流程。该模型在来自各个领域的大量语料库上进行训练，语料库的批量非常大。截至 2024 年 8 月 27 日,chuxin-embedding 在检索任务中表现出色，在 C-MTEB 排行榜上排名第一，领先的性能得分为 78.23。
 
 ## News
-- 2024/9/4:xxx
-- 2024/9/4:xxx
+- 2024/9/4: LLM生成及数据清洗 [Code](https://github.com/chuxin-llm/Chuxin-Embedding) coming soon 。
+- 2024/9/4: 团队的RAG框架欢迎试用 [ragnify](https://github.com/chuxin-llm/ragnify) 。 
 
 ## Training Details
 基于bge-m3-retromae[1]，主要改动如下：
 <!-- Provide a longer summary of what this model is. -->
-- 基于bge-m3-retromae[1]在亿级数据上实现了预训练。
+- 基于bge-m3-retromae[1]在亿级数据上预训练。
+  - 使用BGE pretrain [Code](https://github.com/FlagOpen/FlagEmbedding/tree/master/examples/pretrain) 完成预训练。
 - 在收集的公开亿级检索数据集上实现了微调。
+  - 使用BGE finetune [Code](https://github.com/FlagOpen/FlagEmbedding/tree/master/examples/finetune) 完成微调。
 - 在收集的公开百万级检索数据集和百万级LLM合成数据集上实现了精调。
+  - 使用BGE finetune [Code](https://github.com/FlagOpen/FlagEmbedding/tree/master/examples/finetune) 和 BGE unified_finetune [Code](https://github.com/FlagOpen/FlagEmbedding/tree/master/examples/unified_finetune) 完成精调。
   - 通过 LLM (QWEN-72B) 进行数据生成，使用 LLM 为message生成新query
   - 数据清洗：
     - 简单的基于规则清洗
@@ -26,12 +29,13 @@ chuxin-embedding 是专为增强中文文本检索能力而设计的嵌入模型
     - rerank模型对(query,message)评分，舍弃pos中的负例，neg中的正例
     
 ## Collect more data for retrieval-type tasks
-1. MTP
-2. BGE-LARGE-zh data
-3. PEG data
-4. BGE-M3 data
-5. miracl/miracl
-6. FreedomIntelligence/Huatuo26M-Lite
+1. ChineseWebText, oasis, oscar, SkyPile, wudao 预训练阶段
+2. MTP 微调阶段
+3. BGE-LARGE-zh data 
+4. PEG data
+5. BGE-M3 data
+6. miracl/miracl
+7. FreedomIntelligence/Huatuo26M-Lite
 
 ## Performance
 **C_MTEB RETRIEVAL**