Update README.md

Author: eee555

README.md

@@ -12,7 +12,7 @@
 
 由于市面上的翻译软件越做越烂，作者一怒之下开发出了自用的翻译软件——LingZero！
 
-卡片式悬浮窗设计，可以任意拖动，点击窗口外部即可关闭。截屏翻译+离线翻译+复制翻译，真正做到极简、无感、丝滑流畅。左键点击即可对比原文和译文，右键复制文本。0切屏、0等待，保护心流状态，完全为英文文献阅读而设计！
+卡片式悬浮窗设计，可以任意拖动，点击窗口外部即可关闭。截屏翻译+离线翻译+复制翻译，无需注册登录、无需充会员，真正做到极简、无感、丝滑流畅。左键点击即可对比原文和译文，右键复制文本。0切屏、0等待，保护心流状态，完全为英文文献阅读而设计！
 
 ## ✨ 核心功能
 
@@ -28,6 +28,28 @@
 
 \* *使用教程及快捷键配置见`config.ini`，如不习惯可自行修改*
 
+## 💯 翻译质量
+
+以 Attention Is All You Need 前三句话为例：
+
+> The dominant sequence transduction models are based on complex recurrent or convolutional neural networks that include an encoder and a decoder. The best performing models also connect the encoder and decoder through an attention mechanism. We propose a new simple network architecture, the Transformer, based solely on attention mechanisms, dispensing with recurrence and convolutions entirely.
+
+将各个软件的翻译结果列举如下，供用户对比：
+
+LingZero-腾讯api：主要的序列转换模型基于复杂的循环或卷积神经网络，其中包括编码器和解码器。性能最好的模型还通过注意力机制连接编码器和解码器。我们提出了一个新的简单的网络架构，Transformer，完全基于注意力机制，完全免除递归和卷积。
+
+LingZero-离线：主导序列转录模型基于复杂的反复或演化神经网络,其中包括一个编码器和一个解码器. 性能最好的模型也通过注意机制连接编码器和解码器. 我们提出一个新的简单的网络架构,即变形器, 完全基于关注机制, 完全不重复和演变。
+
+Chatgpt 3.5：主流的序列转换模型通常基于复杂的循环神经网络（RNN）或卷积神经网络（CNN），这些模型包括一个编码器和一个解码器。性能最好的模型还通过注意力机制将编码器和解码器连接起来。我们提出了一种全新的、结构简单的网络架构——Transformer，它完全基于注意力机制，彻底摒弃了循环和卷积结构。
+
+Deepseek-R1：主流的序列转导模型基于复杂的循环或卷积神经网络，这些网络通常包含编码器和解码器结构。性能最佳的模型还通过注意力机制连接编码器和解码器。我们提出了一种名为Transformer的新型简单网络架构，该架构完全基于注意力机制，彻底舍弃了循环与卷积结构。
+
+文心一言4.5：主流的序列转换模型基于复杂的循环神经网络或卷积神经网络构建，这些网络包含编码器（encoder）和解码器（decoder）两部分。性能最优的模型还通过注意力机制（attention mechanism）将编码器和解码器连接起来。我们提出了一种全新的简单网络架构——Transformer，它完全基于注意力机制构建，彻底摒弃了循环结构和卷积操作。
+
+有道翻译：主流的序列转换模型基于复杂的循环神经网络或卷积神经网络，这些网络包含编码器和解码器。表现最佳的模型还通过注意力机制将编码器和解码器连接起来。我们提出了一种新的简单网络架构——Transformer，它完全基于注意力机制，摒弃了循环和卷积。
+
+Deepl：主导的序列转换模型基于复杂的循环或卷积神经网络，这些网络包含编码器和解码器。性能最佳的模型还通过注意力机制将编码器和解码器连接起来。我们提出了一种新的简单网络架构——Transformer，该架构仅基于注意力机制，完全摒弃了循环和卷积。
+
 ## ✅ 推荐使用的场景或用户
 
 - 希望阅读英文新闻，缩小语言问题带来的信息差。