update doc

LLM-tutorial/P.PlayGround:训练一个古文翻译腔机器人.md

@@ -285,7 +285,7 @@ swift web-ui
 3. 在这里我们把LoRA的目标模块设置为**ALL**，代表模型中所有的Linear模块，如果设置为**DEFAULT**，则只对Attention部分应用LoRA，不对MLP应用LoRA，此时模型训练会有什么样的影响？使用**全参数微调**又会有什么样的影响？
 4. 我们使用了**微调**来实现了古文翻译腔效果，那么微调和人类对齐的应用场景有哪些不同呢？实现古文翻译腔应当使用微调还是人类对齐？如果使用人类对齐，数据集应该做怎样的转换，又如何进行训练呢？
 
-## 小作业
+## 实践
 
 利用魔搭社区的开源LLM和数据集训练一个模型，并利用训练出的模型搭建一个小应用。
 
@@ -295,15 +295,14 @@ swift web-ui
    - 可以使用LLM模型和MLLM（多模态模型）
 2. 使用魔搭社区的开源数据集，如有其他开源数据需要先**上传到社区变为开源数据集**
 3. 训练后的模型提交到魔搭社区的模型库中，模型自述文件（README.md）需要写好，给出训练命令和数据集链接
-4. 作业中需要给出模型链接、数据集链接和最终小应用的截图
 
 ### TIPS
 
 为了能够训练出一个好玩的模型并搭建一个小应用，一般的步骤为：
 
 1. 选择（或生成）好自己的数据集
 
-   > 一个数据集一般是问答式的，建议数据集格式使用下面的格式：
+   > 一个数据集一般是问答式的，建议数据集格式使用下面的格式，其中第一行中带有一个额外的system字段：
 
    ```json
    {"conversations": [{"from": "system", "value": "你是一个优秀的模型，可以帮助我解决各类问题。"}, {"from": "user", "value": "你是谁？"}, {"from": "assistant", "value": "我是通义千问模型"}, {"from": "user", "value": "你有什么能力？"}, {"from": "assistant", "value": "我可以帮助你解决各种知识类问题"}]}
@@ -363,7 +362,7 @@ swift web-ui
 
    模型训练完成后需要上传模型库，可以参考文档[模型上传](https://www.modelscope.cn/docs/%E6%A8%A1%E5%9E%8B%E7%9A%84%E4%B8%8A%E4%BC%A0)和[模型卡片](https://www.modelscope.cn/docs/%E6%A8%A1%E5%9E%8B%E5%8D%A1%E7%89%87)。
 
-4. 搭建一个小应用，并将应用截图、模型和数据集链接一起提交
+4. 搭建一个小应用。
 
    > 如果是基本的聊天机器人，可以直接使用swift web-ui命令中的部署界面实现，该界面支持多模态LLM和文本LLM的部署和后续推理。
    >