diff --git a/.DS_Store b/.DS_Store
index 87ed5be0a4491ef9c19a8274f5989cf8fff6ca72..73dba135a06756429233549cf93f6cef74bd81ec 100644
Binary files a/.DS_Store and b/.DS_Store differ
diff --git a/README.md b/README.md
index e5b29568372a0c7c84811394de7d39c241e2ae32..f2a786e329b62a3637465d0e7504425c38b08f6d 100644
--- a/README.md
+++ b/README.md
@@ -75,7 +75,7 @@ git clone https://github.com/PaddlePaddle/ERNIE.git
 ```plain
 # ernie_3.0 模型下载
 # 进入models_hub目录
-cd ./erniekit_appzoo/erniekit_appzoo/models_hub
+cd ./applications/models_hub
 # 运行下载脚本
 sh download_ernie_3.0_base_ch.sh
 ```
@@ -87,7 +87,7 @@ sh download_ernie_3.0_base_ch.sh
 
 ```shell
 #进入文本分类任务文件夹
-cd ./erniekit_appzoo/erniekit_appzoo/tasks/text_classification/
+cd ./applications/tasks/text_classification/
 #查看文本分类任务自带数据集
 ls ./data
 ```
@@ -148,12 +148,12 @@ python run_infer.py --param_path ./examples/cls_enrie_fc_ch_infer.json
 
 # 预训练模型介绍
 
-- 参考预训练模型原理介绍:[模型介绍](./erniekit_appzoo/erniekit_appzoo/models_hub/README.md)
-- 预训练模型下载：进入./erniekit_appzoo/models_hub目录下,下载示例：
+- 参考预训练模型原理介绍:[模型介绍](./applications/models_hub)
+- 预训练模型下载：进入./applications/models_hub目录下,下载示例：
 
 ```plain
 #进入预训练模型下载目录
-cd ./erniekit_appzoo/models_hub
+cd ./applications/models_hub
 #下载ERNIE3.0 base模型
 sh downlaod_ernie3.0_base_ch.sh
 ```
@@ -218,19 +218,19 @@ sh downlaod_ernie3.0_base_ch.sh
 
 # 应用场景
 
-文本分类（[文本分类](./erniekit_appzoo/erniekit_appzoo/tasks/text_classification)）
+文本分类（[文本分类](./applications/tasks/text_classification)）
 
-文本匹配（[文本匹配](./erniekit_appzoo/erniekit_appzoo/tasks/text_matching/README.md)）
+文本匹配（[文本匹配](./applications/tasks/text_matching)）
 
-系列标注（[序列标注](./erniekit_appzoo/erniekit_appzoo/tasks/sequence_labeling/README.md)）
+系列标注（[序列标注](./applications/tasks/sequence_labeling)）
 
-信息抽取（[信息抽取](./erniekit_appzoo/erniekit_appzoo/tasks/information_extraction_many_to_many/README.md)）
+信息抽取（[信息抽取](./applications/tasks/information_extraction_many_to_many)）
 
-文本生成（[文本生成](./erniekit_appzoo/erniekit_appzoo/tasks/text_generation/README.md)）
+文本生成（[文本生成](./applications/tasks/text_generation)）
 
-数据蒸馏（[数据蒸馏](./erniekit_appzoo/erniekit_appzoo/tasks/data_distillation/README.md)）
+数据蒸馏（[数据蒸馏](./applications/tasks/data_distillation)）
 
-工具使用（[工具使用](./erniekit_appzoo/erniekit_appzoo/tools/README.md)）
+工具使用（[工具使用](./applications/tools)）
 
 # 文献引用
 
diff --git a/applications/.DS_Store b/applications/.DS_Store
index 5008ddfcf53c02e82d7eee2e57c38e5672ef89f6..b2cef4b13c498e5809519c279c97ab0b36cff08e 100644
Binary files a/applications/.DS_Store and b/applications/.DS_Store differ
diff --git a/applications/models_hub/README.md b/applications/models_hub/README.md
new file mode 100644
index 0000000000000000000000000000000000000000..6f1b7f9d917fd2991537483c4a5ad351fb395c76
--- /dev/null
+++ b/applications/models_hub/README.md
@@ -0,0 +1,18 @@
+# 模型介绍
+
+- 预训练模型：包含预训练模型下载脚本、模型配置的json文件、模型对应的词表文件、外加一个简单介绍文件（readme.txt）
+
+- 开箱即用的模型
+
+# Ernie2.0 
+
+[Ernie2.0 ](https://www.jiqizhixin.com/articles/2019-07-31-10)
+
+
+# Ernie-M
+
+[Ernie-M](https://github.com/PaddlePaddle/ERNIE/tree/repro/ernie-m)
+
+# Ernie-Gen
+
+[Ernie-Gen](https://github.com/PaddlePaddle/ERNIE/tree/repro/ernie-gen)
\ No newline at end of file
diff --git a/applications/tasks/.DS_Store b/applications/tasks/.DS_Store
new file mode 100644
index 0000000000000000000000000000000000000000..c75a44c4b29cb4414418af95f448fd3afe08cd98
Binary files /dev/null and b/applications/tasks/.DS_Store differ
diff --git a/applications/tasks/data_distillation/README.md b/applications/tasks/data_distillation/README.md
index 392a10af445f5225ac2e0526a0b20105d0bcd8d9..161d54021327a7ac32821effb82dc4b55587a625 100644
--- a/applications/tasks/data_distillation/README.md
+++ b/applications/tasks/data_distillation/README.md
@@ -6,7 +6,7 @@
 
 ## 代码结构
 
-- 数据蒸馏任务位于 erniekit_appzoo/tasks/data_distillation
+- 数据蒸馏任务位于 applications/tasks/data_distillation
 
 ```plain
 data_distillation/
@@ -58,21 +58,21 @@ data_distillation/
 - 使用预置的ERNIE 3.0 base模型
 
 ```plain
-cd erniekit_appzoo/models_hub
+cd applications/models_hub
 bash download_ernie_3.0_base_ch.sh
 ```
 
 - 下载预置的原始数据以及增强数据。
 
 ```plain
-cd erniekit_appzoo/tasks/data_distillation/distill
+cd applications/tasks/data_distillation/distill
 bash download_data.sh
 ```
 
 - 运行以下命令，开始数据蒸馏
 
 ```plain
-cd erniekit_appzoo/tasks/data_distillation 
+cd applications/tasks/data_distillation 
 bash run_distill.sh
 ```
 
diff --git a/applications/tasks/information_extraction_many_to_many/README.md b/applications/tasks/information_extraction_many_to_many/README.md
index b549dd0c6cc711363be8a5cdf446316a09510dcd..42c348c7b698bfbce7de6acecea3c177c4b6ef75 100644
--- a/applications/tasks/information_extraction_many_to_many/README.md
+++ b/applications/tasks/information_extraction_many_to_many/README.md
@@ -8,7 +8,7 @@
 
 ## 代码结构
 
-- 多对多信息抽取任务位于 ./erniekit_appzoo/tasks/information_extraction_many_to_many
+- 多对多信息抽取任务位于 ./applications/tasks/information_extraction_many_to_many
 
 ```
 information_extraction_many_to_many/
@@ -134,7 +134,7 @@ python convert_data.py
 
 ### 网络（模型）选择
 
-- 文心预置的可用于生成任务的模型源文件在erniekit_appzoo/erniekit_appzoo/tasks/text_generation/model/目录下
+- 文心预置的可用于生成任务的模型源文件在applications/applications/tasks/text_generation/model/目录下
 
 | 网络名称（py文件的类型）               | 简介                                                         | 支持类型                 | 备注     |
 | -------------------------------------- | ------------------------------------------------------------ | ------------------------ | -------- |
@@ -142,7 +142,7 @@ python convert_data.py
 
 ### ERNIE预训练模型下载
 
-- 文心提供的[ERNIE预训练模型](../../../../../README_MODEL.md)的参数文件和配置文件在 erniekit_appzoo/erniekit_appzoo/models_hub目录下，使用对应的sh脚本，即可拉取对应的模型、字典、必要环境等文件。
+- 文心提供的[ERNIE预训练模型](../../../../../README_MODEL.md)的参数文件和配置文件在 applications/applications/models_hub目录下，使用对应的sh脚本，即可拉取对应的模型、字典、必要环境等文件。
 
 | 模型名称        | 下载脚本                           | 备注                                       |
 | --------------- | ---------------------------------- | ------------------------------------------ |
@@ -158,10 +158,10 @@ python convert_data.py
 
 ## 开始训练
 
-- 以属性抽取数据集的训练为例，进入指定任务目录./erniekit_appzoo/tasks/information_extraction_many_to_many
+- 以属性抽取数据集的训练为例，进入指定任务目录./applications/tasks/information_extraction_many_to_many
 
 ```
-cd ./erniekit_appzoo/tasks/information_extraction_many_to_many
+cd ./applications/tasks/information_extraction_many_to_many
 ```
 
 #### 训练的配置文件
diff --git a/applications/tasks/sequence_labeling/README.md b/applications/tasks/sequence_labeling/README.md
index acac98ade1b82832b45c89fb129a95e94a9120c0..3a2fd714c620947d043272d51572d07d9dcfc038 100644
--- a/applications/tasks/sequence_labeling/README.md
+++ b/applications/tasks/sequence_labeling/README.md
@@ -4,7 +4,7 @@
 
 ## 代码结构
 
-- 序列标注任务位于 ./erniekit_appzoo/tasks/sequence_labeling
+- 序列标注任务位于 ./applications/tasks/sequence_labeling
 
 ```
 .
@@ -42,7 +42,7 @@
 
 - 在文心中，基于ERNIE的模型都不需要用户自己分词和生成词表文件，非ERNIE的模型需要用户自己提前切好词，词之间以空格分隔，并生成词表文件。切词和词表生成可以使用「[分词工具与词表生成工具](../../tools/data/wordseg/README.md)」进行处理。
 - 文心中的所有数据集、包含词表文件、label_map文件等都必须为为utf-8格式，如果你的数据是其他格式，请使用「[编码识别及转换工具](../../tools/data/data_cleaning/README.md)」进行格式转换。
-- 文心中的训练集、测试集、验证集、预测集和词表分别存放在./erniekit_appzoo/tasks/sequence_labeling/data目录下的train_data、test_data、dev_data、predict_data、dict文件夹下。
+- 文心中的训练集、测试集、验证集、预测集和词表分别存放在./applications/tasks/sequence_labeling/data目录下的train_data、test_data、dev_data、predict_data、dict文件夹下。
 
 #### 训练集/测试集/验证集文件格式
 
@@ -56,7 +56,7 @@
 
 #### 词表
 
-- 词表：./erniekit_appzoo/tasks/sequence_labeling/data/dict/vocab.txt 
+- 词表：./applications/tasks/sequence_labeling/data/dict/vocab.txt 
 - 词表文件：词表分为两列，第一列为词，第二列为id（从0开始），列与列之间用**\t**进行分隔，一般是vocab.txt文件。文心的词表中，[PAD]、[CLS]、[SEP]、[MASK]、[UNK]这5个词是必须要有的，若用户自备词表，需保证这5个词是存在的。
 
 ```plain
@@ -75,7 +75,7 @@
 
 #### 标签词表
 
-- 标签词表：./erniekit_appzoo/tasks/sequence_labeling/data/dict/vocab_label_map.txt
+- 标签词表：./applications/tasks/sequence_labeling/data/dict/vocab_label_map.txt
 - 标签词表文件：标签词表分为两列，第一列为词，第二列为id（从0开始），列与列之间用**\t**进行分隔，一般是vocab_label_map.txt文件。标签顺序需要满足对应的标签体系，比如下面是BIO的标签体系，同一类别的标签B要排在I前面，O排在整个标签词表的最后。
 
 ```plain
@@ -90,7 +90,7 @@ B-PER   0
 
 ### 网络（模型）选择
 
-- 文心预置的可用于序列标注的模型在erniekit_appzoo/tasks/sequence_labeling/model目录下，目前支持模型的特点如下所示：
+- 文心预置的可用于序列标注的模型在applications/tasks/sequence_labeling/model目录下，目前支持模型的特点如下所示：
 
 | 网络名称（py文件的类名）                    | 简介                                                         | 支持类型 | 支持预训练模型                                               | 备注 |
 | ------------------------------------------- | ------------------------------------------------------------ | -------- | ------------------------------------------------------------ | ---- |
@@ -98,7 +98,7 @@ B-PER   0
 
 ### ERNIE预训练模型下载
 
-- 文心提供的[ERNIE预训练模型](../../models_hub/README.md)的参数文件和配置文件在erniekit_appzoo/models_hub目录下，由对应的download_xx.sh文件是下载得到，包括模型的参数文件、配置文件以及词表等。
+- 文心提供的[ERNIE预训练模型](../../models_hub/README.md)的参数文件和配置文件在applications/models_hub目录下，由对应的download_xx.sh文件是下载得到，包括模型的参数文件、配置文件以及词表等。
 
 | 模型名称        | 下载脚本                           | 备注                                       |
 | --------------- | ---------------------------------- | ------------------------------------------ |
@@ -119,10 +119,10 @@ B-PER   0
 
 ## 开始训练
 
-- 进入制定任务目录 ./erniekit_appzoo/tasks/sequence_labeling
+- 进入制定任务目录 ./applications/tasks/sequence_labeling
 
 ```
-cd ./erniekit_appzoo/tasks/sequence_labeling
+cd ./applications/tasks/sequence_labeling
 ```
 
 ### 训练的配置文件
diff --git a/applications/tasks/text_classification/README_CODE.md b/applications/tasks/text_classification/README_CODE.md
index 46f9bc308275e193bc22669b9aeba496f5b1df4b..006c5257cd1cb7ec6b3fbe73a4aee6dfec03a1f4 100644
--- a/applications/tasks/text_classification/README_CODE.md
+++ b/applications/tasks/text_classification/README_CODE.md
@@ -2,7 +2,7 @@
 
 ## 代码结构
 
-- 分类任务位于erniekit_appzoo/tasks/text_classification
+- 分类任务位于applications/tasks/text_classification
 
 ```plain
 .
@@ -79,7 +79,7 @@
 
 - 在文心中，基于ERNIE的模型都不需要用户自己分词和生成词表文件，非ERNIE的模型需要用户自己提前切好词，词之间以空格分隔，并生成词表文件。切词和词表生成可以使用「[分词工具与词表生成工具](../../tools/data/wordseg/README.md)」进行处理。
 - 文心中的所有数据集、包含词表文件、label_map文件等都必须为为utf-8格式，如果你的数据是其他格式，请使用「[编码识别及转换工具](../../tools/data/data_cleaning/README.md)」进行格式转换。
-- 文心中的训练集、测试集、验证集、预测集和词表分别存放在./erniekit_appzoo/tasks/text_classification/data目录下的train_data、test_data、dev_data、predict_data、dict文件夹下。
+- 文心中的训练集、测试集、验证集、预测集和词表分别存放在./applications/tasks/text_classification/data目录下的train_data、test_data、dev_data、predict_data、dict文件夹下。
 - 在分类任务中，训练集、测试集和验证集的数据格式相同，数据分为两列，列与列之间用**\t**进行分隔。第一列为文本，第二列为标签。以下为示例：
 
 ### 单标签分类
@@ -158,7 +158,7 @@ USB接口 只有 2个 ， 太 少 了 点 ， 不能 接 太多 外 接 设备 
 
 ## 网络（模型）选择
 
-文心预置的可用于文本分类的模型源文件在./erniekit_appzoo/tasks/text_classification/model目录下，各个模型的特点如下所示（后面章节会依次展示使用方法）：
+文心预置的可用于文本分类的模型源文件在./applications/tasks/text_classification/model目录下，各个模型的特点如下所示（后面章节会依次展示使用方法）：
 
 | 网络名称（py文件的类名）                                | 简介                                                         | 支持类型   | 支持预训练模型                                               | 备注 |
 | ------------------------------------------------------- | ------------------------------------------------------------ | ---------- | ------------------------------------------------------------ | ---- |
@@ -169,7 +169,7 @@ USB接口 只有 2个 ， 太 少 了 点 ， 不能 接 太多 外 接 设备 
 
 ## ERNIE预训练模型下载
 
-文心提供的ERNIE预训练模型的参数文件和配置文件在./erniekit_appzoo/tasks/models_hub/目录下，由对应的download_xx.sh文件是下载得到。ERNIE部分模型介绍，请详见文档「[ERNIE模型介绍](../../models_hub/README.md)」
+文心提供的ERNIE预训练模型的参数文件和配置文件在./applications/tasks/models_hub/目录下，由对应的download_xx.sh文件是下载得到。ERNIE部分模型介绍，请详见文档「[ERNIE模型介绍](../../models_hub/README.md)」
 
 ## 模型评估指标选择
 
diff --git a/applications/tasks/text_classification/README_ERNIE.md b/applications/tasks/text_classification/README_ERNIE.md
index f178e94e3de505118fb666421aba7db61012fba2..a5d5d4d506ebdfa2405fd8899bc4e4c47da4d56a 100644
--- a/applications/tasks/text_classification/README_ERNIE.md
+++ b/applications/tasks/text_classification/README_ERNIE.md
@@ -2,15 +2,15 @@
 
 # 开始训练
 
-- 进入分类任务的目录./erniekit_appzoo/tasks/text_classification
+- 进入分类任务的目录./applications/tasks/text_classification
 
 ```
-cd ./erniekit_appzoo/tasks/text_classification
+cd ./applications/tasks/text_classification
 ```
 
 ## 预训练模型准备
 
-- 模型均存放于./erniekit_appzoo/models_hub文件夹下，进入该文件夹下载对应ERNIE模型
+- 模型均存放于./applications/models_hub文件夹下，进入该文件夹下载对应ERNIE模型
 
 ```
 cd ../../models_hub
diff --git a/applications/tasks/text_classification/README_GRID.md b/applications/tasks/text_classification/README_GRID.md
index 051f4e7acf264b3aaad41cf7ff89836eb3b0b56c..7191cc9acfb2d015de0af364ea920d6880f01628 100644
--- a/applications/tasks/text_classification/README_GRID.md
+++ b/applications/tasks/text_classification/README_GRID.md
@@ -7,7 +7,7 @@
 这里我们以BOW分类任务为例介绍文心中的网格搜索的使用方式，主要分为以下几个步骤：
 1. 数据准备：数据集的准备与通用的BOW分类任务一致，不再赘述，详细信息请移步“[快速使用->实战演练：使用文心进行模型训练](https://ai.baidu.com/ai-doc/ERNIE-Ultimate/Ekmlrorrp)”
 
-2. 参数配置：以erniekit_appzoo/tasks/text_classification/examples/cls_bow_ch.json为例，假如我们需要对学习率这个参数进行网格搜索设置，那么将”model”中的”learning_rate“的值修改为一个数组即可。目前文心的网格搜索的作用范围在optimization和train_reader的config中，用户可设置多个learning_rate、batch_size和epoch等。修改示例如下：
+2. 参数配置：以applications/tasks/text_classification/examples/cls_bow_ch.json为例，假如我们需要对学习率这个参数进行网格搜索设置，那么将”model”中的”learning_rate“的值修改为一个数组即可。目前文心的网格搜索的作用范围在optimization和train_reader的config中，用户可设置多个learning_rate、batch_size和epoch等。修改示例如下：
 
 ```
 {
@@ -36,7 +36,7 @@
 }
 ```
 
-3. 启动训练：使用网格搜索进行训练的启动脚本与普通训练任务不一样，启动脚本为**run_with_preprocess.py**，该脚本的位置在erniekit_appzoo/tools/run_preprocess/目录下，可以拷贝到当前erniekit_appzoo/tasks/text_classification目录下使用，入参为上一步骤配置好的json文件，具体如下所示：
+3. 启动训练：使用网格搜索进行训练的启动脚本与普通训练任务不一样，启动脚本为**run_with_preprocess.py**，该脚本的位置在applications/tools/run_preprocess/目录下，可以拷贝到当前applications/tasks/text_classification目录下使用，入参为上一步骤配置好的json文件，具体如下所示：
 
 ```
 # BOW 中文文本分类模型
@@ -50,8 +50,8 @@ python run_with_preprocess.py --param_path ./examples/cls_bow_ch.json
 
 - json_tmp：交叉验证处理完成之后生成的新的待运行配置文件，如下图所示：
 
-![img](http://rte.weiyun.baidu.com/api/imageDownloadAddress?attachId=2c310896927a4aa0a76a8b2331b18a76)
+![img](./img/1.png)
 
 - log：基于交run_with_preprocess.py运行的任务都会生成新的json配置，每个json对应一个独立的trainer，各个trainer按照顺序串行训练，所以日志会分别输出到对应编号的log中。如下图就是串行的4个trainer的日志。日志内容和单独运行run_trainer.py输出到test.log中的日志一样，如下图所示：
 
-![img](http://rte.weiyun.baidu.com/api/imageDownloadAddress?attachId=5188e4fb42bf41c1aaf9cd208aecbe41)
+![img](./img/2.png)
diff --git a/applications/tasks/text_classification/README_M.md b/applications/tasks/text_classification/README_M.md
index e73ddad65f23a86785f6caa67c1a33b40813fae5..49fcc400710772b7a9d631b82650a33169493d9d 100644
--- a/applications/tasks/text_classification/README_M.md
+++ b/applications/tasks/text_classification/README_M.md
@@ -2,15 +2,15 @@
 
 ## 开始训练
 
-- 进入分类任务的目录./erniekit_appzoo/tasks/text_classification
+- 进入分类任务的目录./applications/tasks/text_classification
 
 ```
-cd ./erniekit_appzoo/tasks/text_classification
+cd ./applications/tasks/text_classification
 ```
 
 ### 预训练模型准备
 
-- 模型均存放于./erniekit_appzoo/models_hub文件夹下，进入该文件夹下载对应ERNIE-M模型
+- 模型均存放于./applications/models_hub文件夹下，进入该文件夹下载对应ERNIE-M模型
 
 ```
 cd ../../models_hub
diff --git a/applications/tasks/text_classification/img/1.png b/applications/tasks/text_classification/img/1.png
new file mode 100644
index 0000000000000000000000000000000000000000..866c97adc09cee540beb5d44b685ffacf51e21ba
Binary files /dev/null and b/applications/tasks/text_classification/img/1.png differ
diff --git a/applications/tasks/text_classification/img/2.png b/applications/tasks/text_classification/img/2.png
new file mode 100644
index 0000000000000000000000000000000000000000..8478091724dced208fca5c2bfd53f1e582f7235e
Binary files /dev/null and b/applications/tasks/text_classification/img/2.png differ
diff --git a/applications/tasks/text_generation/README.md b/applications/tasks/text_generation/README.md
index 728e74008272fc7ee8a36e61e7ddab603770c32f..153b6235a5155e72fea84eede6fa0b215baad383 100644
--- a/applications/tasks/text_generation/README.md
+++ b/applications/tasks/text_generation/README.md
@@ -5,7 +5,7 @@
 
 ## 代码结构
 
-- 文本生成任务位于 ./erniekit_appzoo/tasks/text_generation
+- 文本生成任务位于 ./applications/tasks/text_generation
 
 ```shell
 text_generation/
@@ -51,7 +51,7 @@ text_generation/
 
 ### 网络（模型）选择
 
-- 文心预置的可用于生成任务的模型源文件在./erniekit_appzoo/tasks/text_generation/model/目录下
+- 文心预置的可用于生成任务的模型源文件在./applications/tasks/text_generation/model/目录下
 
 | 网络名称（py文件的类型）                                | 简介                                                         | 支持类型             | 备注       |
 | ------------------------------------------------------- | ------------------------------------------------------------ | -------------------- | ---------- |
@@ -59,7 +59,7 @@ text_generation/
 
 ### ERNIE预训练模型下载
 
-- 文心提供的[ERNIE预训练模型](../../models_hub/README.md)的参数文件和配置文件在 erniekit_appzoo/erniekit_appzoo/models_hub目录下，使用对应的sh脚本，即可拉取对应的模型、字典、必要环境等文件。
+- 文心提供的[ERNIE预训练模型](../../models_hub/README.md)的参数文件和配置文件在 applications/applications/models_hub目录下，使用对应的sh脚本，即可拉取对应的模型、字典、必要环境等文件。
 
 | 模型名称  | 下载脚本                         | 备注                                                     |
 | --------- | -------------------------------- | -------------------------------------------------------- |
@@ -71,10 +71,10 @@ text_generation/
 
 ## 开始训练
 
-- 进入指定任务的目录：./erniekit_appzoo/tasks/text_generation
+- 进入指定任务的目录：./applications/tasks/text_generation
 
 ```
-cd ./erniekit_appzoo/tasks/text_generation
+cd ./applications/tasks/text_generation
 ```
 
 ### 训练的配置文件
diff --git a/applications/tasks/text_matching/README.md b/applications/tasks/text_matching/README.md
index eafa7c77f5f64c9b6899dee908817eb0b0a8e5a6..eabaa0de08d1830dc7a25d6e7d3ad1b1159b21c1 100644
--- a/applications/tasks/text_matching/README.md
+++ b/applications/tasks/text_matching/README.md
@@ -4,7 +4,7 @@
 
 ## 代码结构
 
-- 文本匹配任务位于./erniekit_appzoo/tasks/text_matching
+- 文本匹配任务位于./applications/tasks/text_matching
 
 ```plain
 .
@@ -63,8 +63,8 @@
 - 在文心中，基于ERNIE的模型都不需要用户自己分词和生成词表文件，非ERNIE的模型需要用户自己提前切好词，词之间以空格分隔，并生成词表文件。切词和词表生成可以使用「[分词工具与词表生成工具](../../tools/data/wordseg/README.md)」进行处理。
 - 文心中的所有数据集、包含词表文件、label_map文件等都必须为为utf-8格式，如果你的数据是其他格式，请使用「[编码识别及转换工具](../../tools/data/data_cleaning/README.md)」进行格式转换。
 - 在文本匹配任务中，根据其训练方式的不同，训练集分为Pointwise和Pairwise两种格式，测试集、验证集和预测集的格式相同。
-- 非ERNIE数据的pointwise训练集、pairwise训练集、测试集、验证集和预测集分别存放在./erniekit_appzoo/tasks/text_matching/data目录下的train_data_pointwise_tokenized、train_data_pairwise_tokenized、test_data_tokenized、dev_data_tokenized和predict_data_tokenized文件夹下。
-- ERNIE数据的pointwise训练集、pairwise训练集、测试集、验证集和预测集分别存放在./erniekit_appzoo/tasks/text_matching/data目录下的train_data_pointwise、train_data_pairwise、test_data、dev_data和predict_data文件夹下。
+- 非ERNIE数据的pointwise训练集、pairwise训练集、测试集、验证集和预测集分别存放在./applications/tasks/text_matching/data目录下的train_data_pointwise_tokenized、train_data_pairwise_tokenized、test_data_tokenized、dev_data_tokenized和predict_data_tokenized文件夹下。
+- ERNIE数据的pointwise训练集、pairwise训练集、测试集、验证集和预测集分别存放在./applications/tasks/text_matching/data目录下的train_data_pointwise、train_data_pairwise、test_data、dev_data和predict_data文件夹下。
 
 #### **非ERNIE模型数据**
 
@@ -108,7 +108,7 @@
 
 ##### 词表
 
-- 非ERNIE模型的词表文件示例存放在**./erniekit_appzoo/tasks/text_matching/data/dict/vocab.txt**：词表分为两列，第一列为词，第二列为id（从0开始），列与列之间用**\t**进行分隔。文心的词表中**，**[PAD]、[CLS]、[SEP]、[MASK]、[UNK]这5个词是必须要有的，若用户自备词表，需保证这5个词是存在的。部分词表示例如下所示：
+- 非ERNIE模型的词表文件示例存放在**./applications/tasks/text_matching/data/dict/vocab.txt**：词表分为两列，第一列为词，第二列为id（从0开始），列与列之间用**\t**进行分隔。文心的词表中**，**[PAD]、[CLS]、[SEP]、[MASK]、[UNK]这5个词是必须要有的，若用户自备词表，需保证这5个词是存在的。部分词表示例如下所示：
 
 ```plain
 [PAD]	0
@@ -172,7 +172,7 @@
 
 ##### 词表
 
-- ERNIE词表文件格式与非ERNIE的格式一致，ERNIE词表由文心model提供，./erniekit_appzoo/models_hub路径下各ERNIE模型文件夹下存在着对应的词表文件，用户可根据需要进行选择，具体示例如下所示：
+- ERNIE词表文件格式与非ERNIE的格式一致，ERNIE词表由文心model提供，./applications/models_hub路径下各ERNIE模型文件夹下存在着对应的词表文件，用户可根据需要进行选择，具体示例如下所示：
 
 ```plain
 [PAD]    0
@@ -188,7 +188,7 @@
 
 ### 网络（模型）选择
 
-- 文心预置的可用于文本分类的模型源文件在erniekit_appzoo/tasks/text_matching/model目录下，在介绍具体的模型前先对文本匹配网络涉及到的概念进行描述。
+- 文心预置的可用于文本分类的模型源文件在applications/tasks/text_matching/model目录下，在介绍具体的模型前先对文本匹配网络涉及到的概念进行描述。
 
 |           | 单塔            | 双塔            |
 | --------- | --------------- | --------------- |
@@ -212,7 +212,7 @@
 
 ### ERNIE预训练模型下载
 
-- 文心提供的[ERNIE预训练模型](../../models_hub/README.md)的下载脚本在erniekit_appzoo/models_hub目录下，各预训练模型可由对应的download_xx.sh文件下载得到，用户可根据需求自行下载。其中，ernie_config.json为ERNIE预训练模型的配置文件，vocab.txt为ERNIE预训练模型的词表文件，params目录为ERNIE预训练模型的参数文件目录。
+- 文心提供的[ERNIE预训练模型](../../models_hub/README.md)的下载脚本在applications/models_hub目录下，各预训练模型可由对应的download_xx.sh文件下载得到，用户可根据需求自行下载。其中，ernie_config.json为ERNIE预训练模型的配置文件，vocab.txt为ERNIE预训练模型的词表文件，params目录为ERNIE预训练模型的参数文件目录。
 
 | 模型名称        | 下载脚本                           | 备注                                       |
 | --------------- | ---------------------------------- | ------------------------------------------ |
@@ -233,10 +233,10 @@
 
 ## 开始训练
 
-- 进入指定任务目录./erniekit_appzoo/tasks/text_matching
+- 进入指定任务目录./applications/tasks/text_matching
 
 ```shell
-cd ./erniekit_appzoo/tasks/text_matching
+cd ./applications/tasks/text_matching
 ```
 
 ### 训练的配置文件
diff --git a/applications/tools/README.md b/applications/tools/README.md
index d62eecabca720d4a19385f475c5b2e963b46e400..3785c0d085bae496144d667561a983652ae442f3 100644
--- a/applications/tools/README.md
+++ b/applications/tools/README.md
@@ -1,8 +1,8 @@
 # 工具使用
 
-- [分词工具与词表生成工具](./data/wordseg/README.md)
-- [数据增强](data/data_aug/README.md)
-- [交叉验证](./run_preprocess/README.md)
+- [分词工具与词表生成工具](./data/wordseg)
+- [数据增强](data/data_aug)
+- [交叉验证](./run_preprocess)
 - [网格搜索](../tasks/text_classification/README_GRID.md)
-- [编码及转换攻击](./data/data_cleaning/README.md)
+- [编码及转换攻击](./data/data_cleaning)
 
diff --git a/applications/tools/data/.DS_Store b/applications/tools/data/.DS_Store
new file mode 100644
index 0000000000000000000000000000000000000000..0e1d6b15dba7c0e1f9521d771c3fc6839722dc6a
Binary files /dev/null and b/applications/tools/data/.DS_Store differ
diff --git a/applications/tools/data/data_aug/README.md b/applications/tools/data/data_aug/README.md
index ae94d4471a9fcb93ed379048631152d8ce369424..43195f43c95549f64d6ea042ac3ca38def348775 100644
--- a/applications/tools/data/data_aug/README.md
+++ b/applications/tools/data/data_aug/README.md
@@ -20,7 +20,7 @@
 
 ## 脚本运行（说明）
 
-开发套件用于数据增强的python脚本位于目录./erniekit_appzoo/tools/data_aug/data_aug.py
+开发套件用于数据增强的python脚本位于目录./applications/tools/data_aug/data_aug.py
 - 运行data_aug.py脚本
 
 ```shell
@@ -64,7 +64,7 @@ shell输出：
 - 进去下游任务（分类任务）
 
 ```java
-cd ./erniekit_appzoo/tasks/text_classification/
+cd ./applications/tasks/text_classification/
 ```
 
 - 一键启动数据增强和训练脚本
diff --git a/applications/tools/data/data_cleaning/README.md b/applications/tools/data/data_cleaning/README.md
index d23477ff4914dba0fa28a93be401e86e11de6654..298d42ffd7fdb745423653ad9eadb4e7c612fc5e 100644
--- a/applications/tools/data/data_cleaning/README.md
+++ b/applications/tools/data/data_cleaning/README.md
@@ -1,6 +1,6 @@
 # 编码识别及转换工具
 
-文心中的所有文件要求必须是utf-8格式，包括所有的样本集、词表文件、label_map等映射文件。 文心提供了文件格式转换的工具，位置在./erniekit_appzoo/tools/data/data_cleaning
+文心中的所有文件要求必须是utf-8格式，包括所有的样本集、词表文件、label_map等映射文件。 文心提供了文件格式转换的工具，位置在./applications/tools/data/data_cleaning
 - 识别输入文本的编码格式:
 
 ```plain
diff --git a/applications/tools/data/wordseg/README.md b/applications/tools/data/wordseg/README.md
index 547e9343ca8e6310a29e01ed54f281d60daad6c9..ab11ee1241f0b2ab7160a4ed4770415aebb90d9e 100644
--- a/applications/tools/data/wordseg/README.md
+++ b/applications/tools/data/wordseg/README.md
@@ -2,7 +2,7 @@
 
 ## 分词
 
-开发套件用于分词的python脚本位于目录./erniekit_appzoo/tools/data/wordseg/wordseg_lac.py：
+开发套件用于分词的python脚本位于目录./applications/tools/data/wordseg/wordseg_lac.py：
 
 - 文心中集成了[LAC](https://www.paddlepaddle.org.cn/modelbasedetail/lac)分词工具，运行该脚本前，需要先下载分词工具[lac](https://github.com/baidu/lac)包，或者直接通过pip命令安装：
 
diff --git a/applications/tools/run_preprocess/README.md b/applications/tools/run_preprocess/README.md
index 73aea94e724acba92e17f34f9735a1efd61344bb..860e53dad32d0758e9bed1ec257bb6d05424a4b3 100644
--- a/applications/tools/run_preprocess/README.md
+++ b/applications/tools/run_preprocess/README.md
@@ -13,7 +13,7 @@
   - 每次挑选其中1份作为验证集，剩余k-1份作为训练集用于训练模型；
   - 重复第2步k次，在每个训练集上训练后得到一个模型。用这个模型在相应的验证集上测试，计算并保存模型的评估指标。
 
-![img](http://rte.weiyun.baidu.com/api/imageDownloadAddress?attachId=8e5371445df84ada880543a641dd8c1f)
+![img](./img/1.png)
 
 ## 文心中使用交叉验证
 
@@ -21,7 +21,7 @@
 
 1. 准备数据：数据集的准备与通用的BOW分类任务一致，不再赘述，详细信息请移步[实战演练：使用文心进行模型训练](https://ai.baidu.com/ai-doc/ERNIE-Ultimate/Ekmlrorrp)。
 
-2. 配置参数：以erniekit_appzoo/tasks/text_classification/examples/cls_bow_ch.json为例，交叉验证仅需要在dataset_reader部分进行配置，其余部分与普通的训练任务一致。dataset_reader中k_fold相关参数为K折交叉验证的配置：
+2. 配置参数：以applications/tasks/text_classification/examples/cls_bow_ch.json为例，交叉验证仅需要在dataset_reader部分进行配置，其余部分与普通的训练任务一致。dataset_reader中k_fold相关参数为K折交叉验证的配置：
 
    - num_fold表示需要将训练集拆成K折，num_fold的取值需要>=2；
 
@@ -64,7 +64,7 @@
     	}
 ```
 
-3. 启动训练：使用交叉验证进行训练的启动脚本与普通训练任务不一样，启动脚本为**run_with_preprocess.py**，该脚本的位置在erniekit_appzoo/tools/run_preprocess/目录下，可以拷贝到erniekit_appzoo/tasks/text_classification目录下使用，入参为上一步骤配置好k_fold参数的json文件，具体如下所示：
+3. 启动训练：使用交叉验证进行训练的启动脚本与普通训练任务不一样，启动脚本为**run_with_preprocess.py**，该脚本的位置在applications/tools/run_preprocess/目录下，可以拷贝到applications/tasks/text_classification目录下使用，入参为上一步骤配置好k_fold参数的json文件，具体如下所示：
 
 ```
 # BOW 中文文本分类模型
@@ -78,12 +78,12 @@ python run_with_preprocess.py --param_path ./examples/cls_bow_ch.json
 
 - data_tmp：通过K折交叉验证处理过后的数据，如图所示就是将原始数据分成了4组，每组包含train_data 和 dev_data，如下图所示：
 
-![img](http://rte.weiyun.baidu.com/api/imageDownloadAddress?attachId=6b520e0e75c94b00bfb22d2a70f9cac6)
+![img](./img/2.png)
 
 - json_tmp：交叉验证处理完成之后生成的新的待运行配置文件，如下图所示：
 
-![img](http://rte.weiyun.baidu.com/api/imageDownloadAddress?attachId=5cfbc77da7a74f429dc5f6f6ffffb268)
+![img](./img/3.png)
 
 - log：基于交run_with_preprocess.py运行的任务都会生成新的json配置，每个json对应一个独立的trainer，各个trainer按照顺序串行训练，所以日志会分别输出到对应编号的log中。如下图就是串行的4个trainer的日志。日志内容和单独运行run_trainer.py输出到test.log中的日志一样，如下图所示：
 
-![img](http://rte.weiyun.baidu.com/api/imageDownloadAddress?attachId=5c55226559ff4d63aa43720d5f1757bc)
+![img](./img/4.png)
diff --git a/applications/tools/run_preprocess/img/1.png b/applications/tools/run_preprocess/img/1.png
new file mode 100644
index 0000000000000000000000000000000000000000..3b303e5a1990ed0464715fc3aabd403510e8832b
Binary files /dev/null and b/applications/tools/run_preprocess/img/1.png differ
diff --git a/applications/tools/run_preprocess/img/2.png b/applications/tools/run_preprocess/img/2.png
new file mode 100644
index 0000000000000000000000000000000000000000..41aedf06a8e2e8587022635bc5339c5785d1e399
Binary files /dev/null and b/applications/tools/run_preprocess/img/2.png differ
diff --git a/applications/tools/run_preprocess/img/3.png b/applications/tools/run_preprocess/img/3.png
new file mode 100644
index 0000000000000000000000000000000000000000..866c97adc09cee540beb5d44b685ffacf51e21ba
Binary files /dev/null and b/applications/tools/run_preprocess/img/3.png differ
diff --git a/applications/tools/run_preprocess/img/4.png b/applications/tools/run_preprocess/img/4.png
new file mode 100644
index 0000000000000000000000000000000000000000..8478091724dced208fca5c2bfd53f1e582f7235e
Binary files /dev/null and b/applications/tools/run_preprocess/img/4.png differ