diff --git a/PyTorch/contrib/cv/classification/MAE_for_PyTorch/README.md b/PyTorch/contrib/cv/classification/MAE_for_PyTorch/README.md
index 3919fc9430656c6308cc649dc211ba7e9d0a4c37..d0c1281073da775bcb837bfa32ccf8408bf33c88 100644
--- a/PyTorch/contrib/cv/classification/MAE_for_PyTorch/README.md
+++ b/PyTorch/contrib/cv/classification/MAE_for_PyTorch/README.md
@@ -172,13 +172,13 @@ MAE的设计虽然简单，但已被证明是一个强大的、可扩展的视
     # 输出完整微调日志./output_finetune_full_8p/Atlas_8p_finetune_full.log、总结性日志./output_finetune_full_8p/log.txt
     bash ./test/finetune_full_8p.sh --data_path=real_data_path --finetune_pth=pretrained_model_path
 
-    # fine-tuning_large 8p performance，8p上运行1个epoch，910运行时间约为14min
+    # fine-tuning_large 8p performance，8p上运行1个epoch
     bash ./test/finetune_performance_large_8p.sh --data_path=real_data_path --finetune_pth=pretrained_model_path
 
-    # fine-tuning_large 8p full，8p上运行50个epoch，910运行时间约为12h
+    # fine-tuning_large 8p full，8p上运行50个epoch
     bash ./test/finetune_full_large_8p.sh --data_path=real_data_path --finetune_pth=pretrained_model_path
 
-    # fine-tuning_large 16p full，16p上运行50个epoch，910运行时间约为6h
+    # fine-tuning_large 16p full，16p上运行50个epoch
     bash ./test/finetune_full_large_16p.sh --data_path=real_data_path --finetune_pth=pretrained_model_path
     
     # 8p Base_eval，运行时间约为3min
@@ -186,7 +186,7 @@ MAE的设计虽然简单，但已被证明是一个强大的、可扩展的视
     bash ./test/finetune_eval_8p.sh --data_path=real_data_path --resume_pth=finetuned_model_path
     ```
 
-    说明：MAE-Large配置在910上进行训练，16p脚本需要在启动脚本修改节点IP
+    说明：16p脚本需要在启动脚本修改节点IP
 
    模型训练脚本参数说明如下。
 
@@ -229,9 +229,7 @@ MAE的设计虽然简单，但已被证明是一个强大的、可扩展的视
 | 8p-NPU | 83.86 | 1603 | 50 | O2 | 1.8 |
 | 16p-NPU | 85.97 | 3145 | 50 | O2 | 1.8 |
 
-说明1：MAE-Large配置在910上进行训练
-
-说明2：上表为历史数据，仅供参考。2025年5月10日更新的性能数据如下：
+说明：上表为历史数据，仅供参考。2025年5月10日更新的性能数据如下：
 | NAME | 精度类型 | FPS |
 | :------ |:-------:|:------:|
 | 8p-竞品 | FP16 | 3538.01 |