diff --git a/README.md b/README.md
index af120e2..992395a 100644
--- a/README.md
+++ b/README.md
@@ -60,27 +60,22 @@ XXXXXX
#### 评测设置
-由于大模型评测难以统一，且大量评测也没有公开的prompt和测试代码，对于具体评测方式，我们只能尽量做到适合各类模型。
-
-整体而言，我们测试时采用统一的prompt输入，并按照各模型对应的模板进行输入调整。
-
-**评测脚本及prompt已开源在我们的Github仓库中，也欢迎更多开发者来不断改进我们的评测方式。**
+* 由于大模型评测难以统一，且大量评测也没有公开的prompt和测试代码，对于具体评测方式，我们只能尽量做到适合各类模型。
+* 整体而言，我们测试时采用统一的prompt输入，并按照各模型对应的模板进行输入调整。
+* **评测脚本及prompt已开源在我们的Github仓库中，也欢迎更多开发者来不断改进我们的评测方式。**
#### 部署模式
-因为MiniCPM采用Mup的结构，与现有模型在具体计算上有细微差别，我们是基于vllm=0.2.2版本进行了我们模型的实现。
-
-**对于非MiniCPM模型，我们直接采样了vllm=0.2.7的最新版本进行推理。**
+* 因为MiniCPM采用Mup的结构，与现有模型在具体计算上有细微差别，我们是基于vllm=0.2.2版本进行了我们模型的实现。
+* **对于非MiniCPM模型，我们直接采样了vllm=0.2.7的最新版本进行推理。**
#### 评测度量
-对于QA任务（选择题任务），我们选用两种方式进行测试：
-* PPL：将选项作为题目生成的延续，并根据各个选项的PPL来进行答案选择；
-* 第二种是直接生成答案选项。
-
-对于不同模型，这两种方式得到的结果差异较大。MiniCPM两种模式上的结果较为接近，而Mistral-7B-v0.1等模型在PPL上表现较好，直接生成上效果较差。
-
-在具体评测时，我们以两种评测方式得分的最高者为最终结果，以此保证对比的公平性。
+* 对于QA任务（选择题任务），我们选用两种方式进行测试：
+ * PPL：将选项作为题目生成的延续，并根据各个选项的PPL来进行答案选择；
+ * 第二种是直接生成答案选项。
+* 对于不同模型，这两种方式得到的结果差异较大。MiniCPM两种模式上的结果较为接近，而Mistral-7B-v0.1等模型在PPL上表现较好，直接生成上效果较差。
+* 在具体评测时，我们以两种评测方式得分的最高者为最终结果，以此保证对比的公平性。
#### 文本评测
@@ -133,20 +128,16 @@ XXXXXX
## 手机部署
-进行Int4量化后，MiniCPM只占2GB空间，具备在端侧手机进行模型部署的条件。
-
-### 部署步骤
-
-对于不同的操作系统，我们进行了不同的适配。
-
-**注意：当前开源框架对手机支持还在完善，并非所有芯片与操作系统版本均能成功运行MLC-LLM或LLMFarm。**
+#### 部署步骤
+* 进行Int4量化后，MiniCPM只占2GB空间，具备在端侧手机进行模型部署的条件。
+* 对于不同的操作系统，我们进行了不同的适配。
+* **注意：当前开源框架对手机支持还在完善，并非所有芯片与操作系统版本均能成功运行MLC-LLM或LLMFarm。**
* Android、Harmony
* 使用开源框架MLC-LLM进行模型适配。
* 支持文本模型、多模态模型。
* 适用于MiniCPM-2B-SFT-INT4、MiniCPM-2B-DPO-INT4、MiniCPM-V。
* [编译安装MiniCPM指南](https://github.com/OpenBMB/mlc-MiniCPM/blob/main/README.md)
-
* iOS
* 使用开源框架LLMFarm进行模型适配。
* 支持文本模型。
@@ -155,13 +146,9 @@ XXXXXX
#### 部署性能
-我们未针对手机推理模型进行深度优化和系统测试，仅验证MiniCPM使用手机芯片进行推理的可行性。
-
-此前尚未有工作尝试在手机上部署多模态大模型。我们此次在MLC-LLM上验证了手机部署MiniCPM-V的可行性，能够正常输入输出，但也存在图片处理时间较长的问题，需要进一步优化。
-
-**我们也欢迎更多开发者进一步调优并更新下面的测试列表，不断提升端侧大模型在手机上的推理性能。**
-
-* 文本模型
+* 我们未针对手机推理模型进行深度优化和系统测试，仅验证MiniCPM使用手机芯片进行推理的可行性。
+* 此前尚未有工作尝试在手机上部署多模态大模型。我们此次在MLC-LLM上验证了手机部署MiniCPM-V的可行性，能够正常输入输出，但也存在图片处理时间较长的问题，需要进一步优化。
+* **我们也欢迎更多开发者进一步调优并更新下面的测试列表，不断提升端侧大模型在手机上的推理性能。**
|手机型号|操作系统|处理器|Memory（GB）|推理吞吐（token/s）|
|-|-|-|-|-|
@@ -184,8 +171,6 @@ XXXXXX
|iPhone 12|iOS 17.2.1|A14|4|5.8|
|iPhone 11|iOS 16.6|A13|4|4.6|
-* 多模态模型
-
todo
@@ -194,7 +179,8 @@ todo
#### 基于Gradio的网页版Demo
-使用如下命令启动基于Gradio的网页版demo：
+* 使用如下命令启动基于Gradio的网页版demo：
+
```shell
python demo/gradio_based_demo.py
```
@@ -212,19 +198,22 @@ python demo/gradio_based_demo.py
#### 模型协议
-本仓库中代码依照 [Apache-2.0](https://github.com/OpenBMB/MiniCPM/blob/main/LICENSE) 协议开源，MiniCPM 模型权重的使用则需要遵循 [“通用模型许可协议-来源说明-宣传限制-商业授权”](https://github.com/OpenBMB/General-Model-License/blob/main/%E9%80%9A%E7%94%A8%E6%A8%A1%E5%9E%8B%E8%AE%B8%E5%8F%AF%E5%8D%8F%E8%AE%AE-%E6%9D%A5%E6%BA%90%E8%AF%B4%E6%98%8E-%E5%AE%A3%E4%BC%A0%E9%99%90%E5%88%B6-%E5%95%86%E4%B8%9A%E6%8E%88%E6%9D%83.md)。
-MiniCPM 模型权重对学术研究完全开放。如需将模型用于商业用途，请联系cpm@modelbest.cn来获取书面授权，在登记后亦允许免费商业使用。
+* 本仓库中代码依照 [Apache-2.0](https://github.com/OpenBMB/MiniCPM/blob/main/LICENSE) 协议开源
+* MiniCPM 模型权重的使用则需要遵循 [“通用模型许可协议-来源说明-宣传限制-商业授权”](https://github.com/OpenBMB/General-Model-License/blob/main/%E9%80%9A%E7%94%A8%E6%A8%A1%E5%9E%8B%E8%AE%B8%E5%8F%AF%E5%8D%8F%E8%AE%AE-%E6%9D%A5%E6%BA%90%E8%AF%B4%E6%98%8E-%E5%AE%A3%E4%BC%A0%E9%99%90%E5%88%B6-%E5%95%86%E4%B8%9A%E6%8E%88%E6%9D%83.md)。
+* MiniCPM 模型权重对学术研究完全开放。
+* 如需将模型用于商业用途，请联系cpm@modelbest.cn来获取书面授权，在登记后亦允许免费商业使用。
#### 声明
-作为一个语言模型，MiniCPM 通过学习大量的文本来生成内容，但它无法理解、表达个人观点或价值判断，它所输出的任何内容都不代表模型开发者的观点和立场。
-因此用户在使用 MiniCPM 生成的内容时，应自行负责对其进行评估和验证。如果由于使用 MinCPM 开源模型而导致的任何问题，包括但不限于数据安全问题、公共舆论风险，或模型被误导、滥用、传播或不当利用所带来的任何风险和问题，我们将不承担任何责任。
+* 作为一个语言模型，MiniCPM 通过学习大量的文本来生成内容，但它无法理解、表达个人观点或价值判断，它所输出的任何内容都不代表模型开发者的观点和立场。
+* 因此用户在使用 MiniCPM 生成的内容时，应自行负责对其进行评估和验证。
+* 如果由于使用 MinCPM 开源模型而导致的任何问题，包括但不限于数据安全问题、公共舆论风险，或模型被误导、滥用、传播或不当利用所带来的任何风险和问题，我们将不承担任何责任。
## 工作引用
-如果觉得MiniCPM有助于您的工作，请考虑引用下列[技术报告](todo)
+* 如果觉得MiniCPM有助于您的工作，请考虑引用下列[技术报告](todo)
```
@inproceedings{minicpm2024,