Update README.md

README.md

@@ -50,26 +50,26 @@ You can use this model directly with a pipeline for masked language modeling (ta
 >>> unmasker("中国的首都是[MASK]京。")
 [
     {'sequence': '[CLS] 中 国 的 首 都 是 北 京 。 [SEP]',
-     'score': 0.8722995519638062,
-     'token': 1266,
-     'token_str': '北'}, 
-    {'sequence': '[CLS] 中 国 的 首 都 是 南 京 。 [SEP]',
-     'score': 0.06813988834619522,
+     'score': 0.9338967204093933, 
+     'token': 1266, 
+     'token_str': '北'},
+    {'sequence': '[CLS] 中 国 的 首 都 是 南 京 。 [SEP]', 
+     'score': 0.039428312331438065, 
      'token': 1298, 
      'token_str': '南'}, 
     {'sequence': '[CLS] 中 国 的 首 都 是 东 京 。 [SEP]', 
-     'score': 0.05202966928482056,
-     'token': 691,
-     'token_str': '东'},
+     'score': 0.01681734062731266, 
+     'token': 691, 
+     'token_str': '东'}, 
     {'sequence': '[CLS] 中 国 的 首 都 是 普 京 。 [SEP]', 
-     'score': 0.0035027158446609974,
+     'score': 0.004590896889567375,
      'token': 3249, 
-     'token_str': '普'}, 
-    {'sequence': '[CLS] 中 国 的 首 都 是 吴 京 。 [SEP]',
-     'score': 0.0005988680641166866, 
-     'token': 1426,
-     'token_str': '吴'}
-] 
+     'token_str': '普'},
+    {'sequence': '[CLS] 中 国 的 首 都 是 燕 京 。 [SEP]', 
+     'score': 0.0007656012894585729, 
+     'token': 4242,
+     'token_str': '燕'}
+]
 ```
 
 Here is how to use this model to get the features of a given text in PyTorch: