diff --git a/README.md b/README.md
index 07cf210..17f06b4 100644
--- a/README.md
+++ b/README.md
@@ -1,93 +1,93 @@
----
-license: mit
----
-
-# GLM-4.1V-9B-Thinking
-
-
-
-
- 📖 查看 GLM-4.1V-9B-Thinking 论文 。
-
- 💡 立即在线体验 Hugging Face 或 ModelScope 上的 GLM-4.1V-9B-Thinking。
-
- 📍 在 智谱大模型开放平台 使用 GLM-4.1V-9B-Thinking 的API服务。
-
-
-## 模型介绍
-
-视觉语言大模型（VLM）已经成为智能系统的关键基石。随着真实世界的智能任务越来越复杂，VLM模型也亟需在基本的多模态感知之外，
-逐渐增强复杂任务中的推理能力，提升自身的准确性、全面性和智能化程度，使得复杂问题解决、长上下文理解、多模态智能体等智能任务成为可能。
-
-基于 [GLM-4-9B-0414](https://github.com/THUDM/GLM-4) 基座模型，我们推出新版VLM开源模型 **GLM-4.1V-9B-Thinking**
-，引入思考范式，通过课程采样强化学习 RLCS（Reinforcement Learning with Curriculum Sampling）全面提升模型能力，
-达到 10B 参数级别的视觉语言模型的最强性能，在18个榜单任务中持平甚至超过8倍参数量的 Qwen-2.5-VL-72B。
-我们同步开源基座模型 **GLM-4.1V-9B-Base**，希望能够帮助更多研究者探索视觉语言模型的能力边界。
-
-
-
-与上一代的 CogVLM2 及 GLM-4V 系列模型相比，**GLM-4.1V-Thinking** 有如下改进：
-
-1. 系列中首个推理模型，不仅仅停留在数学领域，在多个子领域均达到世界前列的水平。
-2. 支持 **64k** 上下长度。
-3. 支持**任意长宽比**和高达 **4k** 的图像分辨率。
-4. 提供支持**中英文双语**的开源模型版本。
-
-## 榜单信息
-
-GLM-4.1V-9B-Thinking 通过引入「思维链」（Chain-of-Thought）推理机制，在回答准确性、内容丰富度与可解释性方面，
-全面超越传统的非推理式视觉模型。在28项评测任务中有23项达到10B级别模型最佳，甚至有18项任务超过8倍参数量的Qwen-2.5-VL-72B。
-
-
-
-## 快速推理
-
-这里展现了一个使用`transformers`进行单张图片推理的代码。首先，从源代码安装`transformers`库。
-```
-pip install git+https://github.com/huggingface/transformers.git
-```
-
-接着按照以下代码运行:
-
-```python
-from transformers import AutoProcessor, Glm4vForConditionalGeneration
-import torch
-
-MODEL_PATH = "THUDM/GLM-4.1V-9B-Thinking"
-messages = [
- {
- "role": "user",
- "content": [
- {
- "type": "image",
- "url": "https://upload.wikimedia.org/wikipedia/commons/f/fa/Grayscale_8bits_palette_sample_image.png"
- },
- {
- "type": "text",
- "text": "describe this image"
- }
- ],
- }
-]
-processor = AutoProcessor.from_pretrained(MODEL_PATH, use_fast=True)
-model = Glm4vForConditionalGeneration.from_pretrained(
- pretrained_model_name_or_path=MODEL_PATH,
- torch_dtype=torch.bfloat16,
- device_map="auto",
-)
-inputs = processor.apply_chat_template(
- messages,
- tokenize=True,
- add_generation_prompt=True,
- return_dict=True,
- return_tensors="pt"
-).to(model.device)
-generated_ids = model.generate(**inputs, max_new_tokens=8192)
-output_text = processor.decode(generated_ids[0][inputs["input_ids"].shape[1]:], skip_special_tokens=False)
-print(output_text)
-```
-
-
-视频推理，网页端Demo部署等更代码请查看我们的 [github](https://github.com/THUDM/GLM-4.1V-Thinking)。
-
+---
+license: mit
+---
+
+# GLM-4.1V-9B-Thinking
+
+
+
+
+ 📖 查看 GLM-4.1V-9B-Thinking 论文 。
+
+ 💡 立即在线体验 Hugging Face 或 ModelScope 上的 GLM-4.1V-9B-Thinking。
+
+ 📍 在 智谱大模型开放平台 使用 GLM-4.1V-9B-Thinking 的API服务。
+
+
+## 模型介绍
+
+视觉语言大模型（VLM）已经成为智能系统的关键基石。随着真实世界的智能任务越来越复杂，VLM模型也亟需在基本的多模态感知之外，
+逐渐增强复杂任务中的推理能力，提升自身的准确性、全面性和智能化程度，使得复杂问题解决、长上下文理解、多模态智能体等智能任务成为可能。
+
+基于 [GLM-4-9B-0414](https://github.com/THUDM/GLM-4) 基座模型，我们推出新版VLM开源模型 **GLM-4.1V-9B-Thinking**
+，引入思考范式，通过课程采样强化学习 RLCS（Reinforcement Learning with Curriculum Sampling）全面提升模型能力，
+达到 10B 参数级别的视觉语言模型的最强性能，在18个榜单任务中持平甚至超过8倍参数量的 Qwen-2.5-VL-72B。
+我们同步开源基座模型 **GLM-4.1V-9B-Base**，希望能够帮助更多研究者探索视觉语言模型的能力边界。
+
+
+
+与上一代的 CogVLM2 及 GLM-4V 系列模型相比，**GLM-4.1V-Thinking** 有如下改进：
+
+1. 系列中首个推理模型，不仅仅停留在数学领域，在多个子领域均达到世界前列的水平。
+2. 支持 **64k** 上下长度。
+3. 支持**任意长宽比**和高达 **4k** 的图像分辨率。
+4. 提供支持**中英文双语**的开源模型版本。
+
+## 榜单信息
+
+GLM-4.1V-9B-Thinking 通过引入「思维链」（Chain-of-Thought）推理机制，在回答准确性、内容丰富度与可解释性方面，
+全面超越传统的非推理式视觉模型。在28项评测任务中有23项达到10B级别模型最佳，甚至有18项任务超过8倍参数量的Qwen-2.5-VL-72B。
+
+
+
+## 快速推理
+
+这里展现了一个使用`transformers`进行单张图片推理的代码。首先，从源代码安装`transformers`库。
+```
+pip install git+https://github.com/huggingface/transformers.git
+```
+
+接着按照以下代码运行:
+
+```python
+from transformers import AutoProcessor, Glm4vForConditionalGeneration
+import torch
+
+MODEL_PATH = "THUDM/GLM-4.1V-9B-Thinking"
+messages = [
+ {
+ "role": "user",
+ "content": [
+ {
+ "type": "image",
+ "url": "https://model-demo.oss-cn-hangzhou.aliyuncs.com/Grayscale_8bits_palette_sample_image.png"
+ },
+ {
+ "type": "text",
+ "text": "describe this image"
+ }
+ ],
+ }
+]
+processor = AutoProcessor.from_pretrained(MODEL_PATH, use_fast=True)
+model = Glm4vForConditionalGeneration.from_pretrained(
+ pretrained_model_name_or_path=MODEL_PATH,
+ torch_dtype=torch.bfloat16,
+ device_map="auto",
+)
+inputs = processor.apply_chat_template(
+ messages,
+ tokenize=True,
+ add_generation_prompt=True,
+ return_dict=True,
+ return_tensors="pt"
+).to(model.device)
+generated_ids = model.generate(**inputs, max_new_tokens=8192)
+output_text = processor.decode(generated_ids[0][inputs["input_ids"].shape[1]:], skip_special_tokens=False)
+print(output_text)
+```
+
+
+视频推理，网页端Demo部署等更代码请查看我们的 [github](https://github.com/THUDM/GLM-4.1V-Thinking)。
+