diff --git a/基于AI Agent开发范式的国产GPU大模型推理算子库优化/Fused MoE 算子入门：从 Benchmark 验证到 XPU-OJ 接口提交.md b/基于AI Agent开发范式的国产GPU大模型推理算子库优化/Fused MoE 算子入门：从 Benchmark 验证到 XPU-OJ 接口提交.md
index f06eb9d..aa5bcc2 100644
--- a/基于AI Agent开发范式的国产GPU大模型推理算子库优化/Fused MoE 算子入门：从 Benchmark 验证到 XPU-OJ 接口提交.md	
+++ b/基于AI Agent开发范式的国产GPU大模型推理算子库优化/Fused MoE 算子入门：从 Benchmark 验证到 XPU-OJ 接口提交.md	
@@ -379,9 +379,8 @@ bash scripts/run_fused_moe_i8_tn_benchmark.sh --backend all --warmup 5 --iters 2
     
 **操作：**   
    
-1. 厘清 Benchmark 和 XPU-OJ 的区别：
-    
-赛事镜像中的 Benchmark 脚本用于理解目标算子的调用方式、输入输出 shape 和性能基线；XPU-OJ 题包用于定义最终评测接口、数据范围、参考输出和精度要求。
+1. 厘清 Benchmark 和 XPU-OJ 的区别：赛事镜像中的 Benchmark 脚本用于理解目标算子的调用方式、输入输出 shape 和性能基线；XPU-OJ 题包用于定义最终评测接口、数据范围、参考输出和精度要求。
+
 
 | 维度 | Benchmark 脚本 | XPU-OJ 提交 |
 | :--- | :--- | :--- |
@@ -395,12 +394,12 @@ bash scripts/run_fused_moe_i8_tn_benchmark.sh --backend all --warmup 5 --iters 2
 
 2. 理解完成 benchmark 验证并成功建立性能基线后，需要完成以下转换：
 
-    1. 从 benchmark 脚本中理解目标 API；
-    2. 在对应 OJ 平台【题目描述】中查看 `run_kernel(...)` 接口；
-    3. 对照 OJ 平台【题目描述】中的输入 shape、数据范围和精度要求；
-    4. 编写自己的 `run_kernel(...)`；
-    5. 在 OJ 平台提交 `run_kernel(...)`，先通过正确性校验；
-    6. 正确性通过后，再对比 benchmark 耗时 / OJ 耗时继续优化。
+    a. 从 benchmark 脚本中理解目标 API；
+    b. 在对应 OJ 平台【题目描述】中查看 `run_kernel(...)` 接口；
+    c. 对照 OJ 平台【题目描述】中的输入 shape、数据范围和精度要求；
+    d. 编写自己的 `run_kernel(...)`；
+    e. 在 OJ 平台提交 `run_kernel(...)`，先通过正确性；
+    f. 正确性通过后，再对比 benchmark 耗时 / OJ 耗时继续优化。
         
 
 #### Step 7：登录 XPU-OJ 平台并进入题目页面