Update markdown/unit4/README_CN.md

markdown/unit4/README_CN.md

@@ -7,7 +7,7 @@
 以下是本单元的学习步骤：
 
 - 请确保你已经 [注册了该课程](https://huggingface.us17.list-manage.com/subscribe?u=7f57e683fa28b51bfc493d048&id=ef963b4162) 以便在课程中添加其他单元时通知您
-- 阅读下面的材料，以了解本单元中涉及的不同主题的梗概
+- 阅读下面的材料，以了解本单元中涉及的不同主题的概要
 - 通过链接的视频和资源深入了解任何您感兴趣的主题
 - 浏览演示笔记本，然后阅读“下一步”部分以获取一些项目建议
 
@@ -30,7 +30,7 @@
 
 ## 通过蒸馏进行快速采样
 
-渐进蒸馏是一种采用现有扩散模型并使用它来训练需要更少推理步骤的模型的新版本的技术。“学生”模型初始化自“教师”模型的权重。在训练过程中，教师模型执行两个采样步骤，学生模型尝试在一个步骤中匹配结果预测。这个过程可以重复多次，上一次迭代的学生模型成为下一阶段的教师模型。结果是，这个模型可以用比原来的教师模型少得多的步骤(通常是4或8步)生成较好的样本。核心机制如下图所示，图片来源于[这篇论文](http://arxiv.org/abs/2202.00512):
+渐进蒸馏是一种采用现有扩散模型、并使用它来训练需要更少推理步骤的模型的新版本的技术。“学生”模型初始化自“教师”模型的权重。在训练过程中，教师模型执行两个采样步骤，学生模型尝试在一个步骤中匹配结果预测。这个过程可以重复多次，上一次迭代的学生模型成为下一阶段的教师模型。结果是，这个模型可以用比原来的教师模型少得多的步骤(通常是4或8步)生成较好的样本。核心机制如下图所示，图片来源于[这篇论文](http://arxiv.org/abs/2202.00512):
 
 ![image](https://user-images.githubusercontent.com/6575163/211016659-7dac24a5-37e2-45f9-aba8-0c573937e7fb.png)