diff --git a/README-ja-JP.md b/README-ja-JP.md
index 77736fc..831039f 100644
--- a/README-ja-JP.md
+++ b/README-ja-JP.md
@@ -133,6 +133,12 @@ streamlit run web_demo.py
+`web_demo_internlm.py` を使用して、InternLM 形式のモデルと直接対話できるようになりました。
+まず、モデルの重みを InternLM 形式でダウンロードし、`web_demo_internlm.py` の `ckpt_dir` を置き換えてください。 次のコマンドを実行して対話します。
+```python
+torchrun --master_port 12331 --nnodes=1 --node_rank=0 --nproc_per_node=1 -m streamlit run web_demo_internlm.py
+```
+
### デプロイ
[LMDeploy](https://github.com/InternLM/LMDeploy) を使って、InternLM をワンクリックでデプロイする。
diff --git a/README-zh-Hans.md b/README-zh-Hans.md
index edb64df..a0e3e99 100644
--- a/README-zh-Hans.md
+++ b/README-zh-Hans.md
@@ -44,7 +44,7 @@ InternLM 是一个开源的轻量级训练框架，旨在支持大模型训练
## 更新
-[20230920] InternLM-20B 已发布，包括基础版和对话版。
+[20230920] InternLM-20B 已发布，包括基础版和对话版。
[20230822] InternLM-7B-Chat v1.1 已发布，增加了代码解释器和函数调用能力。您可以使用 [Lagent](https://github.com/InternLM/lagent) 进行尝试。
@@ -62,13 +62,13 @@ InternLM 是一个开源的轻量级训练框架，旨在支持大模型训练
| **InternLM Chat 7B 8k** | [🤗internlm/internlm-chat-7b-8k](https://huggingface.co/internlm/internlm-chat-7b-8k) | [
Shanghai_AI_Laboratory/internlm-chat-7b-8k](https://modelscope.cn/models/Shanghai_AI_Laboratory/internlm-chat-7b-8k/summary) | [](https://openxlab.org.cn/models/detail/OpenLMLab/InternLM-chat-7b-8k) | 2023-07-06 |
-
+
InternLM-20B
#### 简介
-InternLM-20B 在超过 **2.3T** Tokens 包含高质量英文、中文和代码的数据上进行预训练，其中 Chat 版本还经过了 SFT 和 RLHF 训练，使其能够更好、更安全地满足用户的需求。
+InternLM-20B 在超过 **2.3T** Tokens 包含高质量英文、中文和代码的数据上进行预训练，其中 Chat 版本还经过了 SFT 和 RLHF 训练，使其能够更好、更安全地满足用户的需求。
-InternLM 20B 在模型结构上选择了深结构，InternLM-20B 的层数设定为60层，超过常规7B和13B模型所使用的32层或者40层。在参数受限的情况下，提高层数有利于提高模型的综合能力。此外，相较于InternLM-7B，InternLM-20B使用的预训练数据经过了更高质量的清洗，并补充了高知识密度和用于强化理解和推理能力的训练数据。因此，它在理解能力、推理能力、数学能力、编程能力等考验语言模型技术水平的方面都得到了显著提升。总体而言，InternLM-20B具有以下的特点：
+InternLM 20B 在模型结构上选择了深结构，InternLM-20B 的层数设定为60层，超过常规7B和13B模型所使用的32层或者40层。在参数受限的情况下，提高层数有利于提高模型的综合能力。此外，相较于InternLM-7B，InternLM-20B使用的预训练数据经过了更高质量的清洗，并补充了高知识密度和用于强化理解和推理能力的训练数据。因此，它在理解能力、推理能力、数学能力、编程能力等考验语言模型技术水平的方面都得到了显著提升。总体而言，InternLM-20B具有以下的特点：
- 优异的综合性能
- 很强的工具调用功能
- 支持16k语境长度（通过推理时外推）
@@ -117,7 +117,7 @@ InternLM 20B 在模型结构上选择了深结构，InternLM-20B 的层数设定
-
+
InternLM-7B
#### 模型更新
@@ -194,7 +194,7 @@ for response, history in model.stream_chat(tokenizer, "你好", history=[]):
length = len(response)
```
-### 通过 ModelScope 加载
+### 通过 ModelScope 加载
通过以下的代码从 ModelScope 加载 InternLM 模型 （可修改模型名称替换不同的模型）
@@ -226,6 +226,12 @@ streamlit run web_demo.py
+现在您可以使用 `web_demo_internlm.py` 直接与 InternLM 格式的模型进行交互。
+首先请下载 InternLM 格式的模型权重，然后替换 `web_demo_internlm.py` 中的 `ckpt_dir`。运行以下命令进行交互：
+````bash
+torchrun --master_port 12331 --nnodes=1 --node_rank=0 --nproc_per_node=1 -m streamlit run web_demo_internlm.py
+````
+
### 基于InternLM高性能部署
我们使用 [LMDeploy](https://github.com/InternLM/LMDeploy) 完成 InternLM 的一键部署。
diff --git a/README.md b/README.md
index 9983337..edea9b3 100644
--- a/README.md
+++ b/README.md
@@ -44,13 +44,13 @@ Based on the InternLM training framework, we have released two open-sourced pret
## News
-[20230920] InternLM-20B is released with base and chat versions.
+[20230920] InternLM-20B is released with base and chat versions.
[20230822] InternLM-7B-Chat v1.1 is released with code interpreter and function calling capability. You can try it with [Lagent](https://github.com/InternLM/lagent).
## Model Zoo
-Our models are released in three platforms: Transformers, ModelScope and OpenXLab.
+Our models are released in three platforms: Transformers, ModelScope and OpenXLab.
| Model | Transformers | ModelScope | OpenXLab | Release Date |
|---------------------------|------------------------------------------------------------------------------------------|-------------------------------------------------------------------------------------------------------------------------------------|-------------------------------------------------------------------------------------------------------------------------------------------------------------|--------------|
@@ -113,7 +113,7 @@ Overall, InternLM-20B comprehensively outperforms open-source models in the 13B
-
+
InternLM-7B
#### News
@@ -222,6 +222,13 @@ The effect is as follows
+Now you can interact with models directly in InternLM format using `web_demo_internlm.py`.
+First, please download the model weights in InternLM format, and then replace `ckpt_dir` in `web_demo_internlm.py`. Start by running the following command:
+```bash
+torchrun --master_port 12331 --nnodes=1 --node_rank=0 --nproc_per_node=1 -m streamlit run web_demo_internlm.py
+```
+
+
### Deployment
We use [LMDeploy](https://github.com/InternLM/LMDeploy) to complete the one-click deployment of InternLM.
diff --git a/web_demo.py b/web_demo.py
index 3ad0196..95e2cf8 100644
--- a/web_demo.py
+++ b/web_demo.py
@@ -53,9 +53,9 @@ system_meta_instruction = (
- InternLM (书生·浦语) can understand and communicate fluently in the language chosen by the user such as English and 中文.
"""
)
-user_prompt = "<|User|>:{user}\n"
+user_prompt = "<|User|>:{user}\n"
robot_prompt = "<|Bot|>:{robot}\n"
-cur_query_prompt = "<|User|>:{user}\n<|Bot|>:"
+cur_query_prompt = "<|User|>:{user}\n<|Bot|>:"
def combine_history(prompt):
diff --git a/web_demo_internlm.py b/web_demo_internlm.py
index b5a2036..48bb678 100644
--- a/web_demo_internlm.py
+++ b/web_demo_internlm.py
@@ -92,9 +92,9 @@ system_meta_instruction = (
- InternLM (书生·浦语) can understand and communicate fluently in the language chosen by the user such as English and 中文.
"""
)
-user_prompt = "<|User|>:{user}\n"
+user_prompt = "<|User|>:{user}\n"
robot_prompt = "<|Bot|>:{robot}\n"
-cur_query_prompt = "<|User|>:{user}\n<|Bot|>:"
+cur_query_prompt = "<|User|>:{user}\n<|Bot|>:"
def combine_history(prompt):