diff --git a/PyTorch/built-in/nlp/Bert-Squad_ID0470_for_PyTorch/README.md b/PyTorch/built-in/nlp/Bert-Squad_ID0470_for_PyTorch/README.md
index c6d77a73cbfede5c885e3efde41e569e4defbb45..7ceccd0e0025510d4aa0f21c94b119aa576f17e6 100644
--- a/PyTorch/built-in/nlp/Bert-Squad_ID0470_for_PyTorch/README.md
+++ b/PyTorch/built-in/nlp/Bert-Squad_ID0470_for_PyTorch/README.md
@@ -39,11 +39,9 @@ BERT-Large模型是一个24层，1024维，24个自注意头（self attention he
 
   | Torch_Version      | 三方库依赖版本                                 |
   | :--------: | :----------------------------------------------------------: |
-  | PyTorch 1.5 | - |
-  | PyTorch 1.8 | - |
   | PyTorch 1.11   | - |
   | PyTorch 2.1   | - |
-
+  
 - 环境准备指导。
 
   请参考《[Pytorch框架训练环境准备](https://www.hiascend.com/document/detail/zh/ModelZoo/pytorchframework/ptes)》。
@@ -137,7 +135,7 @@ BERT-Large模型是一个24层，1024维，24个自注意头（self attention he
    
      ```
      bash test/train_large_full_8p.sh --data_path=/xxx/v1.1 --ckpt_path=real_path  # bert-large 8卡精度
-
+     
      bash test/train_base_full_8p.sh --data_path=/xxx/v1.1 --ckpt_path=real_path   # bert-base 8卡精度
      
      bash test/train_base_performance_8p.sh --data_path=/xxx/v1.1 --ckpt_path=real_path   # bert-base 8卡性能
diff --git a/PyTorch/contrib/audio/wav2vec2.0/README.md b/PyTorch/contrib/audio/wav2vec2.0/README.md
index 706b8f84275af2018ca5d3e27e72bef369af4d5b..d85334ba834ff2db7bfb6de2e950155b3eb3155f 100644
--- a/PyTorch/contrib/audio/wav2vec2.0/README.md
+++ b/PyTorch/contrib/audio/wav2vec2.0/README.md
@@ -36,10 +36,8 @@ Wav2vec2.0是Meta在2020年发表的无监督语音预训练模型。它的核
 
   | Torch_Version      | 三方库依赖版本                                 |
   | :--------: | :----------------------------------------------------------: |
-  | PyTorch 1.5 | - |
-  | PyTorch 1.8 | - |
   | PyTorch 1.11   | - |
-
+  
 - 环境准备指导。
 
   请参考《[Pytorch框架训练环境准备](https://www.hiascend.com/document/detail/zh/ModelZoo/pytorchframework/ptes)》。
@@ -131,7 +129,7 @@ Wav2vec2.0是Meta在2020年发表的无监督语音预训练模型。它的核
       --config-dir                                    //配置文件路径
       --config-name                                   //配置文件名称
       ```
-    
+   
    训练完成后，权重文件保存在当前路径下，并输出模型训练精度和性能信息。