From 997516b793ffed1fc5481db232289d974f7d0ee2 Mon Sep 17 00:00:00 2001
From: Zhenyu Pan <120090196@link.cuhk.edu.cn>
Date: Sun, 4 May 2025 00:04:49 +0800
Subject: [PATCH] fix: docs path typo

---
 models/Atom/02-Atom-7B-Chat Lora 微调.md                  | 2 +-
 models/CharacterGLM/04-CharacterGLM-6B-Lora微调.py        | 2 +-
 models/ChatGLM/06-ChatGLM3-6B-Lora微调.ipynb              | 4 ++--
 models/ChatGLM/06-ChatGLM3-6B-Lora微调.md                 | 2 +-
 models/ChatGLM/06-ChatGLM3-6B-Lora微调.py                 | 2 +-
 .../04-DeepSeek-Coder-V2-Lite-Instruct Lora 微调.md       | 2 +-
 models/DeepSeek/04-DeepSeek-7B-chat Lora 微调.md          | 2 +-
 .../DeepSeek/05-DeepSeek-7B-chat 4bits量化 Qlora 微调.md  | 2 +-
 models/GLM-4/05-GLM-4-9B-chat Lora 微调.ipynb             | 4 ++--
 models/GLM-4/05-GLM-4-9B-chat Lora 微调.md                | 2 +-
 models/GLM-4/05-GLM-4-9B-chat-hf Lora 微调.ipynb          | 4 ++--
 models/GLM-4/05-GLM-4-9B-chat-hf Lora 微调.md             | 2 +-
 models/Gemma/04-Gemma-2B-Instruct Lora微调.md             | 2 +-
 models/Gemma2/04-Gemma-2-9b-it peft lora微调.md           | 2 +-
 models/LLaMA3/04-LLaMA3-8B-Instruct Lora 微调.md          | 2 +-
 models/Qwen/04-Qwen-7B-Chat Lora 微调.md                  | 2 +-
 models/Qwen/08-Qwen-7B-Chat Lora -4bit微调.ipynb          | 4 ++--
 models/Qwen/08-Qwen-7B-Chat Lora -8bit微调.ipynb          | 4 ++--
 models/Qwen/08-Qwen-7B-Chat Lora 低精度微调.md            | 2 +-
 models/Qwen1.5/04-Qwen1.5-7B-chat Lora 微调.md            | 2 +-
 models/Qwen1.5/08-Qwen1.5-7B-chat LoRA微调接入实验管理.md | 2 +-
 .../Qwen2.5-Coder/Qwen2.5-Coder-7B-Instruct Lora 微调.md  | 2 +-
 models/Qwen2.5/05-Qwen2.5-7B-Instruct Lora 微调.md        | 2 +-
 models/Qwen2/05-Qwen2-7B-Instruct Lora 微调.md            | 2 +-
 models/Qwen2/05-Qwen2-7B-Instruct Lora.ipynb              | 4 ++--
 models/Qwen3/05-Qwen3-8B-LoRA及SwanLab可视化记录.md       | 2 +-
 models/TransNormerLLM/04-TrasnNormerLLM-7B Lora 微调.md   | 2 +-
 models/Yi/04-Yi-6B-Chat Lora 微调.md                      | 2 +-
 .../bilibili_Index-1.9B/04-Index-1.9B-Chat Lora 微调.md   | 2 +-
 models/phi-3/04-Phi-3-mini-4k-Instruct Lora 微调.md       | 2 +-
 models/phi-3/Phi-3-mini-4k-Instruct-Lora.ipynb            | 8 ++++----
 models/phi4/04-Phi-4-Lora 微调.md                         | 2 +-
 32 files changed, 41 insertions(+), 41 deletions(-)

diff --git a/models/Atom/02-Atom-7B-Chat Lora 微调.md b/models/Atom/02-Atom-7B-Chat Lora 微调.md
index 8ea7c93..f184a46 100644
--- a/models/Atom/02-Atom-7B-Chat Lora 微调.md	
+++ b/models/Atom/02-Atom-7B-Chat Lora 微调.md	
@@ -17,7 +17,7 @@ pip install datasets==2.10.1
 pip install accelerate==0.20.3
 ```
 
-在本节教程里，我们将微调数据集放置在根目录 [/dataset](../dataset/huanhuan.jsonl)，将基座模型参数放置在根目录 [/model](../model)。
+在本节教程里，我们将微调数据集放置在根目录 [/dataset](../../dataset/huanhuan.jsonl)，将基座模型参数放置在根目录 [/model](../../models)。
 
 ## 指令集构建
 
diff --git a/models/CharacterGLM/04-CharacterGLM-6B-Lora微调.py b/models/CharacterGLM/04-CharacterGLM-6B-Lora微调.py
index 315798b..155ab81 100644
--- a/models/CharacterGLM/04-CharacterGLM-6B-Lora微调.py
+++ b/models/CharacterGLM/04-CharacterGLM-6B-Lora微调.py
@@ -42,7 +42,7 @@ args = TrainingArguments(
 
 if "__main__" == __name__:
     # 将JSON文件转换为CSV文件,处理数据集
-    df = pd.read_json('../dataset/huanhuan.json')
+    df = pd.read_json('../../dataset/huanhuan.json')
     ds = Dataset.from_pandas(df)
     # 加载tokenizer
     tokenizer = AutoTokenizer.from_pretrained("/root/autodl-tmp/THUCoAI/CharacterGLM-6B", trust_remote_code=True)
diff --git a/models/ChatGLM/06-ChatGLM3-6B-Lora微调.ipynb b/models/ChatGLM/06-ChatGLM3-6B-Lora微调.ipynb
index 1ac881b..330886b 100644
--- a/models/ChatGLM/06-ChatGLM3-6B-Lora微调.ipynb
+++ b/models/ChatGLM/06-ChatGLM3-6B-Lora微调.ipynb
@@ -53,12 +53,12 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 2,
+   "execution_count": null,
    "metadata": {},
    "outputs": [],
    "source": [
     "# 将JSON文件转换为CSV文件\n",
-    "df = pd.read_json('../dataset/huanhuan.json')\n",
+    "df = pd.read_json('../../dataset/huanhuan.json')\n",
     "ds = Dataset.from_pandas(df)"
    ]
   },
diff --git a/models/ChatGLM/06-ChatGLM3-6B-Lora微调.md b/models/ChatGLM/06-ChatGLM3-6B-Lora微调.md
index a768538..8f4b62c 100644
--- a/models/ChatGLM/06-ChatGLM3-6B-Lora微调.md
+++ b/models/ChatGLM/06-ChatGLM3-6B-Lora微调.md
@@ -20,7 +20,7 @@ pip install datasets==2.10.1
 pip install accelerate==0.21.0
 ```
 
-在本节教程里，我们将微调数据集放置在根目录 [/dataset](../dataset/huanhuan.jsonl)。
+在本节教程里，我们将微调数据集放置在根目录 [/dataset](../../dataset/huanhuan.jsonl)。
 
 ## 指令集构建
 
diff --git a/models/ChatGLM/06-ChatGLM3-6B-Lora微调.py b/models/ChatGLM/06-ChatGLM3-6B-Lora微调.py
index 170a7ee..7e9fea6 100644
--- a/models/ChatGLM/06-ChatGLM3-6B-Lora微调.py
+++ b/models/ChatGLM/06-ChatGLM3-6B-Lora微调.py
@@ -37,7 +37,7 @@ args = TrainingArguments(
 
 if "__main__" == __name__:
     # 将JSON文件转换为CSV文件,处理数据集
-    df = pd.read_json('../dataset/huanhuan.json')
+    df = pd.read_json('../../dataset/huanhuan.json')
     ds = Dataset.from_pandas(df)
     # 加载tokenizer
     tokenizer = AutoTokenizer.from_pretrained("/root/autodl-tmp/ZhipuAI/chatglm3-6b", trust_remote_code=True)
diff --git a/models/DeepSeek-Coder-V2/04-DeepSeek-Coder-V2-Lite-Instruct Lora 微调.md b/models/DeepSeek-Coder-V2/04-DeepSeek-Coder-V2-Lite-Instruct Lora 微调.md
index 1416c3d..8686f45 100644
--- a/models/DeepSeek-Coder-V2/04-DeepSeek-Coder-V2-Lite-Instruct Lora 微调.md	
+++ b/models/DeepSeek-Coder-V2/04-DeepSeek-Coder-V2-Lite-Instruct Lora 微调.md	
@@ -45,7 +45,7 @@ pip install datasets==2.20.0
 
 > 注意：flash-attn 安装会比较慢，大概需要十几分钟。
 
-在本节教程里，我们将微调数据集放置在根目录 [/dataset](../dataset/huanhuan.json)。
+在本节教程里，我们将微调数据集放置在根目录 [/dataset](../../dataset/huanhuan.json)。
 
 
 
diff --git a/models/DeepSeek/04-DeepSeek-7B-chat Lora 微调.md b/models/DeepSeek/04-DeepSeek-7B-chat Lora 微调.md
index 51a405a..873d523 100644
--- a/models/DeepSeek/04-DeepSeek-7B-chat Lora 微调.md	
+++ b/models/DeepSeek/04-DeepSeek-7B-chat Lora 微调.md	
@@ -19,7 +19,7 @@ pip install tiktoken
 pip install transformers_stream_generator
 ```
 
-在本节教程里，我们将微调数据集放置在根目录 [/dataset](../dataset/huanhuan.json)。
+在本节教程里，我们将微调数据集放置在根目录 [/dataset](../../dataset/huanhuan.json)。
 
 ## 指令集构建
 
diff --git a/models/DeepSeek/05-DeepSeek-7B-chat 4bits量化 Qlora 微调.md b/models/DeepSeek/05-DeepSeek-7B-chat 4bits量化 Qlora 微调.md
index 4c9e90b..2333f63 100644
--- a/models/DeepSeek/05-DeepSeek-7B-chat 4bits量化 Qlora 微调.md	
+++ b/models/DeepSeek/05-DeepSeek-7B-chat 4bits量化 Qlora 微调.md	
@@ -22,7 +22,7 @@ pip install transformers_stream_generator
 pip install bitsandbytes==0.41.1
 ```
 
-在本节教程里，我们将微调数据集放置在根目录 [/dataset](../dataset/huanhuan.json)。
+在本节教程里，我们将微调数据集放置在根目录 [/dataset](../../dataset/huanhuan.json)。
 
 ## 指令集构建
 
diff --git a/models/GLM-4/05-GLM-4-9B-chat Lora 微调.ipynb b/models/GLM-4/05-GLM-4-9B-chat Lora 微调.ipynb
index 862acd3..3841a77 100644
--- a/models/GLM-4/05-GLM-4-9B-chat Lora 微调.ipynb	
+++ b/models/GLM-4/05-GLM-4-9B-chat Lora 微调.ipynb	
@@ -24,7 +24,7 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 2,
+   "execution_count": null,
    "id": "e098d9eb",
    "metadata": {
     "tags": []
@@ -32,7 +32,7 @@
    "outputs": [],
    "source": [
     "# 将JSON文件转换为CSV文件\n",
-    "df = pd.read_json('../dataset/huanhuan.json')\n",
+    "df = pd.read_json('../../dataset/huanhuan.json')\n",
     "ds = Dataset.from_pandas(df)"
    ]
   },
diff --git a/models/GLM-4/05-GLM-4-9B-chat Lora 微调.md b/models/GLM-4/05-GLM-4-9B-chat Lora 微调.md
index 48e4e52..e9affae 100644
--- a/models/GLM-4/05-GLM-4-9B-chat Lora 微调.md	
+++ b/models/GLM-4/05-GLM-4-9B-chat Lora 微调.md	
@@ -36,7 +36,7 @@ MAX_JOBS=8 pip install flash-attn --no-build-isolation
 
 > 考虑到部分同学配置环境可能会遇到一些问题，我们在 AutoDL 平台准备了 GLM-4 的环境镜像，该镜像适用于本教程需要 GLM-4 的部署环境。点击下方链接并直接创建 AutoDL 示例即可。（vLLM 对 torch 版本要求较高，且越高的版本对模型的支持更全，效果更好，所以新建一个全新的镜像。） **https://www.codewithgpu.com/i/datawhalechina/self-llm/GLM-4**
 
-在本节教程里，我们将微调数据集放置在根目录 [/dataset](../dataset/huanhuan.json)。
+在本节教程里，我们将微调数据集放置在根目录 [/dataset](../../dataset/huanhuan.json)。
 
 ## 模型下载
 
diff --git a/models/GLM-4/05-GLM-4-9B-chat-hf Lora 微调.ipynb b/models/GLM-4/05-GLM-4-9B-chat-hf Lora 微调.ipynb
index 862acd3..3841a77 100644
--- a/models/GLM-4/05-GLM-4-9B-chat-hf Lora 微调.ipynb	
+++ b/models/GLM-4/05-GLM-4-9B-chat-hf Lora 微调.ipynb	
@@ -24,7 +24,7 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 2,
+   "execution_count": null,
    "id": "e098d9eb",
    "metadata": {
     "tags": []
@@ -32,7 +32,7 @@
    "outputs": [],
    "source": [
     "# 将JSON文件转换为CSV文件\n",
-    "df = pd.read_json('../dataset/huanhuan.json')\n",
+    "df = pd.read_json('../../dataset/huanhuan.json')\n",
     "ds = Dataset.from_pandas(df)"
    ]
   },
diff --git a/models/GLM-4/05-GLM-4-9B-chat-hf Lora 微调.md b/models/GLM-4/05-GLM-4-9B-chat-hf Lora 微调.md
index 12f654a..4a62bac 100644
--- a/models/GLM-4/05-GLM-4-9B-chat-hf Lora 微调.md	
+++ b/models/GLM-4/05-GLM-4-9B-chat-hf Lora 微调.md	
@@ -37,7 +37,7 @@ MAX_JOBS=8 pip install flash-attn --no-build-isolation
 > 注意：flash-attn 安装会比较慢，大概需要十几分钟。
 
 
-在本节教程里，我们将微调数据集放置在根目录 [/dataset](../dataset/huanhuan.json)。
+在本节教程里，我们将微调数据集放置在根目录 [/dataset](../../dataset/huanhuan.json)。
 
 ## 模型下载
 
diff --git a/models/Gemma/04-Gemma-2B-Instruct Lora微调.md b/models/Gemma/04-Gemma-2B-Instruct Lora微调.md
index 0bc81fe..98a9ccf 100644
--- a/models/Gemma/04-Gemma-2B-Instruct Lora微调.md	
+++ b/models/Gemma/04-Gemma-2B-Instruct Lora微调.md	
@@ -34,7 +34,7 @@ MAX_JOBS=8 pip install flash-attn --no-build-isolation
 > 注意：flash-attn 安装会比较慢，大概需要十几分钟。
 
 
-在本节教程里，我们将微调数据集放置在根目录 [/dataset](../dataset/huanhuan.json)。
+在本节教程里，我们将微调数据集放置在根目录 [/dataset](../../dataset/huanhuan.json)。
 
 ## 模型下载
 
diff --git a/models/Gemma2/04-Gemma-2-9b-it peft lora微调.md b/models/Gemma2/04-Gemma-2-9b-it peft lora微调.md
index b992ed1..4073720 100644
--- a/models/Gemma2/04-Gemma-2-9b-it peft lora微调.md	
+++ b/models/Gemma2/04-Gemma-2-9b-it peft lora微调.md	
@@ -31,7 +31,7 @@ pip install datasets peft
 > 考虑到部分同学配置环境可能会遇到一些问题，我们在AutoDL平台准备了Gemma2 的环境镜像，该镜像适用于该仓库的 Gemma2 教程所有部署环境。点击下方链接并直接创建Autodl示例即可。
 > ***https://www.codewithgpu.com/i/datawhalechina/self-llm/self-llm-gemma2***
 
-在本节教程里，我们将微调数据集放置在根目录 [/dataset](../dataset/huanhuan.json)。
+在本节教程里，我们将微调数据集放置在根目录 [/dataset](../../dataset/huanhuan.json)。
 
 ## 指令集构建
 
diff --git a/models/LLaMA3/04-LLaMA3-8B-Instruct Lora 微调.md b/models/LLaMA3/04-LLaMA3-8B-Instruct Lora 微调.md
index f7da099..cfbe09e 100644
--- a/models/LLaMA3/04-LLaMA3-8B-Instruct Lora 微调.md	
+++ b/models/LLaMA3/04-LLaMA3-8B-Instruct Lora 微调.md	
@@ -36,7 +36,7 @@ MAX_JOBS=8 pip install flash-attn --no-build-isolation
 > 考虑到部分同学配置环境可能会遇到一些问题，我们在 AutoDL 平台准备了 LLaMA3 的环境镜像，该镜像适用于该仓库的所有部署环境。点击下方链接并直接创建 Autodl 示例即可。
 > ***https://www.codewithgpu.com/i/datawhalechina/self-llm/self-llm-LLaMA3***
 
-在本节教程里，我们将微调数据集放置在根目录 [/dataset](../dataset/huanhuan.json)。
+在本节教程里，我们将微调数据集放置在根目录 [/dataset](../../dataset/huanhuan.json)。
 
 ## 模型下载
 
diff --git a/models/Qwen/04-Qwen-7B-Chat Lora 微调.md b/models/Qwen/04-Qwen-7B-Chat Lora 微调.md
index f513be9..6b07fdb 100644
--- a/models/Qwen/04-Qwen-7B-Chat Lora 微调.md	
+++ b/models/Qwen/04-Qwen-7B-Chat Lora 微调.md	
@@ -21,7 +21,7 @@ pip install tiktoken
 pip install transformers_stream_generator
 ```
 
-在本节教程里，我们将微调数据集放置在根目录 [/dataset](../dataset/huanhuan.jsonl)。
+在本节教程里，我们将微调数据集放置在根目录 [/dataset](../../dataset/huanhuan.jsonl)。
 
 ## 指令集构建
 
diff --git a/models/Qwen/08-Qwen-7B-Chat Lora -4bit微调.ipynb b/models/Qwen/08-Qwen-7B-Chat Lora -4bit微调.ipynb
index b2e51ac..7ab4f30 100644
--- a/models/Qwen/08-Qwen-7B-Chat Lora -4bit微调.ipynb	
+++ b/models/Qwen/08-Qwen-7B-Chat Lora -4bit微调.ipynb	
@@ -33,7 +33,7 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 2,
+   "execution_count": null,
    "id": "e098d9eb",
    "metadata": {
     "tags": []
@@ -41,7 +41,7 @@
    "outputs": [],
    "source": [
     "# 将JSON文件转换为CSV文件\n",
-    "df = pd.read_json('../dataset/huanhuan.json')\n",
+    "df = pd.read_json('../../dataset/huanhuan.json')\n",
     "ds = Dataset.from_pandas(df)"
    ]
   },
diff --git a/models/Qwen/08-Qwen-7B-Chat Lora -8bit微调.ipynb b/models/Qwen/08-Qwen-7B-Chat Lora -8bit微调.ipynb
index bf96cc3..1538f37 100644
--- a/models/Qwen/08-Qwen-7B-Chat Lora -8bit微调.ipynb	
+++ b/models/Qwen/08-Qwen-7B-Chat Lora -8bit微调.ipynb	
@@ -33,7 +33,7 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 2,
+   "execution_count": null,
    "id": "e098d9eb",
    "metadata": {
     "tags": []
@@ -41,7 +41,7 @@
    "outputs": [],
    "source": [
     "# 将JSON文件转换为CSV文件\n",
-    "df = pd.read_json('../dataset/huanhuan.json')\n",
+    "df = pd.read_json('../../dataset/huanhuan.json')\n",
     "ds = Dataset.from_pandas(df)"
    ]
   },
diff --git a/models/Qwen/08-Qwen-7B-Chat Lora 低精度微调.md b/models/Qwen/08-Qwen-7B-Chat Lora 低精度微调.md
index 9af9721..9341818 100644
--- a/models/Qwen/08-Qwen-7B-Chat Lora 低精度微调.md	
+++ b/models/Qwen/08-Qwen-7B-Chat Lora 低精度微调.md	
@@ -22,7 +22,7 @@ pip install transformers_stream_generator
 pip install bitsandbytes==0.41.1
 ```
 
-在本节教程里，我们将微调数据集放置在根目录 [/dataset](../dataset/huanhuan.jsonl)。
+在本节教程里，我们将微调数据集放置在根目录 [/dataset](../../dataset/huanhuan.jsonl)。
 
 ## 指令集构建
 
diff --git a/models/Qwen1.5/04-Qwen1.5-7B-chat Lora 微调.md b/models/Qwen1.5/04-Qwen1.5-7B-chat Lora 微调.md
index d4d96fd..f9fbe35 100644
--- a/models/Qwen1.5/04-Qwen1.5-7B-chat Lora 微调.md	
+++ b/models/Qwen1.5/04-Qwen1.5-7B-chat Lora 微调.md	
@@ -40,7 +40,7 @@ pip install datasets==2.20.0
 > 考虑到部分同学配置环境可能会遇到一些问题，我们在AutoDL平台准备了Qwen1.5的环境镜像，该镜像适用于该仓库除Qwen-GPTQ和vllm外的所有部署环境。点击下方链接并直接创建Autodl示例即可。
 > ***https://www.codewithgpu.com/i/datawhalechina/self-llm/self-llm-Qwen1.5***
 
-在本节教程里，我们将微调数据集放置在根目录 [/dataset](../dataset/huanhuan.json)。
+在本节教程里，我们将微调数据集放置在根目录 [/dataset](../../dataset/huanhuan.json)。
 
 
 
diff --git a/models/Qwen1.5/08-Qwen1.5-7B-chat LoRA微调接入实验管理.md b/models/Qwen1.5/08-Qwen1.5-7B-chat LoRA微调接入实验管理.md
index ba1a0ce..776e337 100644
--- a/models/Qwen1.5/08-Qwen1.5-7B-chat LoRA微调接入实验管理.md	
+++ b/models/Qwen1.5/08-Qwen1.5-7B-chat LoRA微调接入实验管理.md	
@@ -40,7 +40,7 @@ pip install datasets==2.20.0
 > 考虑到部分同学配置环境可能会遇到一些问题，我们在AutoDL平台准备了Qwen1.5的环境镜像，该镜像适用于该仓库除Qwen-GPTQ和vllm外的所有部署环境。点击下方链接并直接创建Autodl示例即可。
 > ***https://www.codewithgpu.com/i/datawhalechina/self-llm/self-llm-Qwen1.5***
 
-在本节教程里，我们将微调数据集放置在根目录 [/dataset](../dataset/huanhuan.json)。
+在本节教程里，我们将微调数据集放置在根目录 [/dataset](../../dataset/huanhuan.json)。
 
 
 
diff --git a/models/Qwen2.5-Coder/Qwen2.5-Coder-7B-Instruct Lora 微调.md b/models/Qwen2.5-Coder/Qwen2.5-Coder-7B-Instruct Lora 微调.md
index b634296..a734835 100644
--- a/models/Qwen2.5-Coder/Qwen2.5-Coder-7B-Instruct Lora 微调.md	
+++ b/models/Qwen2.5-Coder/Qwen2.5-Coder-7B-Instruct Lora 微调.md	
@@ -37,7 +37,7 @@ pip install peft==0.13.2
 > ***https://www.codewithgpu.com/i/datawhalechina/self-llm/qwen2.5-coder***
 
 
-在本节教程里，我们将微调数据集放置在根目录 [/dataset](../dataset/huanhuan.json)。
+在本节教程里，我们将微调数据集放置在根目录 [/dataset](../../dataset/huanhuan.json)。
 
 ## 指令集构建
 
diff --git a/models/Qwen2.5/05-Qwen2.5-7B-Instruct Lora 微调.md b/models/Qwen2.5/05-Qwen2.5-7B-Instruct Lora 微调.md
index 1aeac6e..4f94304 100644
--- a/models/Qwen2.5/05-Qwen2.5-7B-Instruct Lora 微调.md	
+++ b/models/Qwen2.5/05-Qwen2.5-7B-Instruct Lora 微调.md	
@@ -28,7 +28,7 @@ pip install peft==0.11.1
 
 > 注意：flash-attn 安装会比较慢，大概需要十几分钟。
 
-在本节教程里，我们将微调数据集放置在根目录 [/dataset](../dataset/huanhuan.json)。
+在本节教程里，我们将微调数据集放置在根目录 [/dataset](../../dataset/huanhuan.json)。
 
 ## 模型下载
 
diff --git a/models/Qwen2/05-Qwen2-7B-Instruct Lora 微调.md b/models/Qwen2/05-Qwen2-7B-Instruct Lora 微调.md
index b665698..8465573 100644
--- a/models/Qwen2/05-Qwen2-7B-Instruct Lora 微调.md	
+++ b/models/Qwen2/05-Qwen2-7B-Instruct Lora 微调.md	
@@ -45,7 +45,7 @@ MAX_JOBS=8 pip install flash-attn --no-build-isolation
 
 > 注意：flash-attn 安装会比较慢，大概需要十几分钟。
 
-在本节教程里，我们将微调数据集放置在根目录 [/dataset](../dataset/huanhuan.json)。
+在本节教程里，我们将微调数据集放置在根目录 [/dataset](../../dataset/huanhuan.json)。
 
 ## 指令集构建
 
diff --git a/models/Qwen2/05-Qwen2-7B-Instruct Lora.ipynb b/models/Qwen2/05-Qwen2-7B-Instruct Lora.ipynb
index bd1a1b0..ed3a74c 100644
--- a/models/Qwen2/05-Qwen2-7B-Instruct Lora.ipynb	
+++ b/models/Qwen2/05-Qwen2-7B-Instruct Lora.ipynb	
@@ -24,7 +24,7 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 2,
+   "execution_count": null,
    "id": "e098d9eb",
    "metadata": {
     "tags": []
@@ -32,7 +32,7 @@
    "outputs": [],
    "source": [
     "# 将JSON文件转换为CSV文件\n",
-    "df = pd.read_json('../dataset/huanhuan.json')\n",
+    "df = pd.read_json('../../dataset/huanhuan.json')\n",
     "ds = Dataset.from_pandas(df)"
    ]
   },
diff --git a/models/Qwen3/05-Qwen3-8B-LoRA及SwanLab可视化记录.md b/models/Qwen3/05-Qwen3-8B-LoRA及SwanLab可视化记录.md
index e82a9c9..6958769 100644
--- a/models/Qwen3/05-Qwen3-8B-LoRA及SwanLab可视化记录.md
+++ b/models/Qwen3/05-Qwen3-8B-LoRA及SwanLab可视化记录.md
@@ -53,7 +53,7 @@ print(f"模型下载完成，保存路径为：{model_dir}")
 }
 ```
 
-所有的示例微调数据集位于 [/dataset](../dataset/huanhuan.json)
+所有的示例微调数据集位于 [/dataset](../../dataset/huanhuan.json)
 
 ## 数据准备
 
diff --git a/models/TransNormerLLM/04-TrasnNormerLLM-7B Lora 微调.md b/models/TransNormerLLM/04-TrasnNormerLLM-7B Lora 微调.md
index cf05f2e..1e8db2d 100644
--- a/models/TransNormerLLM/04-TrasnNormerLLM-7B Lora 微调.md	
+++ b/models/TransNormerLLM/04-TrasnNormerLLM-7B Lora 微调.md	
@@ -68,7 +68,7 @@ MAX_JOBS=8 pip install flash-attn --no-build-isolation
 
 > 注意：flash-attn 安装会比较慢，大概需要十几分钟。
 
-在本节教程里，我们将微调数据集 `huanhuan.json` 放置在根目录 [/dataset](../dataset/huanhuan.json)，该样本数据取自 [huanhuan.json](https://github.com/datawhalechina/self-llm/blob/master/dataset/huanhuan.json)
+在本节教程里，我们将微调数据集 `huanhuan.json` 放置在根目录 [/dataset](../../dataset/huanhuan.json)，该样本数据取自 [huanhuan.json](https://github.com/datawhalechina/self-llm/blob/master/dataset/huanhuan.json)
 
 ## 指令集构建
 
diff --git a/models/Yi/04-Yi-6B-Chat Lora 微调.md b/models/Yi/04-Yi-6B-Chat Lora 微调.md
index e02e1aa..6825fe3 100644
--- a/models/Yi/04-Yi-6B-Chat Lora 微调.md	
+++ b/models/Yi/04-Yi-6B-Chat Lora 微调.md	
@@ -19,7 +19,7 @@ pip install tiktoken
 pip install transformers_stream_generator
 ```
 
-在本节教程里，我们将微调数据集放置在根目录 [/dataset](../dataset/huanhuan.jsonl)。
+在本节教程里，我们将微调数据集放置在根目录 [/dataset](../../dataset/huanhuan.jsonl)。
 
 ## 指令集构建
 
diff --git a/models/bilibili_Index-1.9B/04-Index-1.9B-Chat Lora 微调.md b/models/bilibili_Index-1.9B/04-Index-1.9B-Chat Lora 微调.md
index 51442ec..cef3134 100644
--- a/models/bilibili_Index-1.9B/04-Index-1.9B-Chat Lora 微调.md	
+++ b/models/bilibili_Index-1.9B/04-Index-1.9B-Chat Lora 微调.md	
@@ -40,7 +40,7 @@ pip install datasets==2.20.0
 > 考虑到部分同学配置环境可能会遇到一些问题，我们在 `AutoDL` 平台准备了 `Index-1.9B-Chat` 的环境镜像。点击下方链接并直接创建 `Autodl` 示例即可。
 > ***https://www.codewithgpu.com/i/datawhalechina/self-llm/Index***
 
-在本节教程里，我们将微调数据集放置在根目录 [/dataset](../dataset/huanhuan.json)。
+在本节教程里，我们将微调数据集放置在根目录 [/dataset](../../dataset/huanhuan.json)。
 
 
 
diff --git a/models/phi-3/04-Phi-3-mini-4k-Instruct Lora 微调.md b/models/phi-3/04-Phi-3-mini-4k-Instruct Lora 微调.md
index f35b272..ab31044 100644
--- a/models/phi-3/04-Phi-3-mini-4k-Instruct Lora 微调.md	
+++ b/models/phi-3/04-Phi-3-mini-4k-Instruct Lora 微调.md	
@@ -33,7 +33,7 @@ MAX_JOBS=8 pip install flash-attn --no-build-isolation
 > 考虑到部分同学配置环境可能会遇到一些问题，我们在 AutoDL 平台准备了 Phi-3 的环境镜像，该镜像适用于该仓库的所有部署环境。点击下方链接并直接创建 Autodl 示例即可。
 > ***https://www.codewithgpu.com/i/datawhalechina/self-llm/Phi-3-Lora***
 
-在本节教程里，我们将微调数据集放置在根目录 [/dataset](../dataset/huanhuan.json)。
+在本节教程里，我们将微调数据集放置在根目录 [/dataset](../../dataset/huanhuan.json)。
 
 ## 模型下载
 
diff --git a/models/phi-3/Phi-3-mini-4k-Instruct-Lora.ipynb b/models/phi-3/Phi-3-mini-4k-Instruct-Lora.ipynb
index 089f04f..ede98af 100644
--- a/models/phi-3/Phi-3-mini-4k-Instruct-Lora.ipynb
+++ b/models/phi-3/Phi-3-mini-4k-Instruct-Lora.ipynb
@@ -24,7 +24,7 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 3,
+   "execution_count": null,
    "id": "e098d9eb",
    "metadata": {
     "tags": []
@@ -32,7 +32,7 @@
    "outputs": [],
    "source": [
     "# 将JSON文件转换为CSV文件\n",
-    "df = pd.read_json('../dataset/huanhuan.json')\n",
+    "df = pd.read_json('../../dataset/huanhuan.json')\n",
     "ds = Dataset.from_pandas(df)"
    ]
   },
@@ -242,7 +242,7 @@
    },
    "outputs": [
     {
-     "name": "stdin",
+     "name": "stdout",
      "output_type": "stream",
      "text": [
       "The repository for /root/autodl-tmp/LLM-Research/Phi-3-mini-4k-instruct contains custom code which must be executed to correctly load the model. You can inspect the repository content at https://hf.co//root/autodl-tmp/LLM-Research/Phi-3-mini-4k-instruct.\n",
@@ -909,7 +909,7 @@
      ]
     },
     {
-     "name": "stdin",
+     "name": "stdout",
      "output_type": "stream",
      "text": [
       "The repository for /root/autodl-tmp/LLM-Research/Phi-3-mini-4k-instruct contains custom code which must be executed to correctly load the model. You can inspect the repository content at https://hf.co//root/autodl-tmp/LLM-Research/Phi-3-mini-4k-instruct.\n",
diff --git a/models/phi4/04-Phi-4-Lora 微调.md b/models/phi4/04-Phi-4-Lora 微调.md
index 2f1837e..1c8bdaf 100644
--- a/models/phi4/04-Phi-4-Lora 微调.md	
+++ b/models/phi4/04-Phi-4-Lora 微调.md	
@@ -37,7 +37,7 @@ pip install peft==0.11.1  # 用于 LoRA 微调
 
 >考虑到部分同学配置环境可能会遇到一些问题，我们在AutoDL平台准备了Phi-4的环境镜像，点击下方链接并直接创建Autodl示例即可。 ***https://www.codewithgpu.com/i/datawhalechina/self-llm/self-llm-phi4***
 
-在本节教程里，我们将微调数据集放置在根目录 [/dataset](../dataset/huanhuan.json)。
+在本节教程里，我们将微调数据集放置在根目录 [/dataset](../../dataset/huanhuan.json)。
 
 ## 模型下载