Merge pull request #1093 from kaifeng/patch-1

Minor wording

Author: lunarflu

chapters/zh-CN/chapter1/4.mdx

@@ -77,7 +77,7 @@
 
 这只是显示了一支团队领导的（非常大的）模型项目，该团队试图减少预训练对环境的影响。如果为了获得最佳超参数而进行大量试验，所造成的碳排放当量会更高。
 
-想象一下，如果每次一个研究团队、一个学生组织或一家公司想要训练一个模型，都从头开始训练的。这将导致巨大的、不必要的浪费！
+想象一下，如果每次一个研究团队、一个学生组织或一家公司想要训练一个模型，都从头开始训练。这将导致巨大的、不必要的浪费！
 
 这就是为什么共享语言模型至关重要：共享经过训练的权重，当遇见新的需求时在预训练的权重之上进行微调，可以降低训练模型训练的算力和时间消耗，降低全球的总体计算成本和碳排放。
 
@@ -87,7 +87,7 @@
 
 <Youtube id="BqqfQnyjmgg" />
 
-预训练（Pretraining）是是指从头开始训练模型：随机初始化权重，在没有任何先验知识的情况下开始训练。
+预训练（Pretraining）是指从头开始训练模型：随机初始化权重，在没有任何先验知识的情况下开始训练。
 
 <div class="flex justify-center">
 <img class="block dark:hidden" src="https://huggingface.co/datasets/huggingface-course/documentation-images/resolve/main/en/chapter1/pretraining.svg" alt="The pretraining of a language model is costly in both time and money."/>